محاسبه هيدروگراف سيل طراحي به روش مونت كارلو با استفاده از شبكه هاي عصبي مصنوعي

رویكرد متعارفی كه در حال حاضر جهت محاسبه هیدروگراف سیل طراحی وجود دارد، یك رویكرد نیمه احتمالاتی است كه در آن توزیع زمانی بارش به صورت یك الگوی تیپ از قبل معلوم فرض میشود. در مقابل در روش مونت كارلو به جای استفاده از یك الگوی تیپ از تعداد زیادی الگوی تصادفی استفاده میشود. پس از ارزیابی مدل بارش رواناب با استفاده از این الگوها، در نهایت یكی از آنها انتخاب میشود. هرقدر تعداد الگوها بیشتر باشد، اعتمادپذیری نتایج بیشتر خواهد بود، اما در مقابل زمان محاسبات افزایش خواهد یافت. در این مطالعه هدف جایگزینی مدلهای بارش – رواناب با شبكههای عصبی مصنوعی بوده است. مزیت شبكههای عصبی در این است كه تمامی تركیبات مختلف را میتوان با یكبار اجرای مدل حاصل نمود. حال آنكه انجام این كار با نرم افزار بارش - رواناب زمان بسیار زیادی میطلبد. در این مطالعه از تركیبهای مختلفی منجمله عمق بارش و شماره منحنی خاك حوضه در مدل سازی بارش- رواناب یك حوضه فرضی استفاده به عمل آمده است. این اطلاعات به نرم افزار HEC-HMS داده شد و بعد از تولید هیدروگراف سیلاب، دادههای حاصل برای آموزش شبكه عصبی به كار برده شد. در ادامه محاسبه هیدروگراف سیل حوضه در شرایط متفاوتی یكبار با استفاده از شبكه عصبی آموزش دیده و بار دیگر با استفاده از نرم افزار HEC-HMS به انجام رسید كه حاكی از نزدیكی بسیار نتایج دو روش به یكدیگربود. در انتها نیز هیدروگراف سیل طراحی مونت كارلو محاسبه شد.