استفاده از شبكه عصبي مصنوعي در مدل‌سازي فرآيند بارش- راوناب صفارود

فرآيند بارش-رواناب يك پديده به طور كامل پيچيده و غيرخطي در آب شناختى مي‌باشد. مدل‌هاي مفهومي به طور وسيعي براي مدل‌سازي بارش-رواناب به كار برده مي‌شوند. با اين وجود، اين مدل‌ها نيازمند تعداد زيادي اطلاعات جزئي بوده و كاربرد آ‌ن‌ها صرفا محدود به مقياس منطقه مورد مطالعه مي‌باشد. در مواردي كه با كمبود اطلاعات جزئي مواجه هستيم، مدل‌هاي جعبه سياه مانند شبكه‌هاي عصبي مصنوعي مي‌توانند براي مدل‌سازي روابط غيرخطي و پيچيده به كار روند. به منظور شبيه‌سازي آبنمود بارش-رواناب در حوضه آبخيز سد صفا رود رابر از مدل شبكه عصبي پرسپترون چند لايه (MLP) استفاده شد. ابتدا داده‌هاي بارندگي با توجه به الگوي زماني بارندگي به شش گروه تقسيم گرديدند. براي هر‌ گروه توزيع بارندگي در چارك هاي زماني مختلف، دبي پايه آبنمود، عمق كل بارندگي، عمق بارندگي تا وقوع زمان تمركز حوضه، تداوم بارندگي و شاخص بارش پيشين به عنوان پارامترهاي ورودي مدل شبكه عصبي لحاظ گرديد. اطلاعات خروجي مدل شبكه عصبي به صورت دبي اوج آبنمود، زمان وقوع دبي اوج، زمان پايه آبنمود، زمان رسيدن به دبي برابر با 50 و 75 درصد دبي اوج و عرض‌هاي آبنمود متناظر با اين دبي‌ها در نظر گرفته شدند. علاوه بر اين، براي اطلاعات موجود درگروه‌هاي مختلف و با استفاده از توابع محرك مختلف در لايه‌هاي پنهان و خروجي شبيه‌سازي انجام گرديد. نتايج نشان دهنده همبستگي قوي بين خروجي هاي مدل با داده هاي اندازه گيري شده مي‌باشد. ضرايب همبستگي از 551/0 (736/1RMSE =) براي گروه اول تا 694/0 (231/1= RMSE) براي گروه ششم از اطلاعات حاصل گرديد. اين همبستگي‌هاي قوي نشان مي‌دهدكه در شرايط نبود اطلاعات جزئي، مدل شبكه عصبي مصنوعي مي تواند براي شبيه‌سازي پارامترهاي آبشناختى مورد استفاده قرار گيرد.