تهيه مدل ANN بارش رواناب در حوزه هاي آبريز و بررسي قابليت تعميم پذيري آن براي ايستگاههاي مجاور

برنامه ریزی و مدیریت منابع آب، با تمام پیچیدگی ها و مشكلات آن می تواند نقش بسیار مهمی در ارتقاء شاخص های ابی داشته باشد. از طرفی عدم برآورد دقیق رواناب حاصل از بارش در حوضه های آبریز، یكی از عواملی است كه می تواند مدیریت و برنامه ریزی صحیح را در جهت بهره برداری بهینه از منابع آبی دچار مشكل كند. علی رغم آنكه تغییرات گسترده میزن بارش در نقاط مختلف و عدم امكان نسب ایستگاه های اندازه گیری در تمامی حوضه ها، استفاده از مدل ها و روابط مختلفی را موجب شده ، اما گستردگی و نقصان پارامترهای اثر گذار زمینه را برای بررسی های بیشتر در این خصوص فراهم ساخته است. در دهه های اخیر شبكه های عصبی مصنوعی به عنوان مدلی كه با تجزیه و تحلیل اطلاعات موجود امكان استخراج روابط غیر خطی و نامشخص را فراهم می سازد، در بسیاری از علوم بویژه آب موفق ظاهر شده است. در این تحقیق ضمن بررسی قابلیت شبكه های عصبی مصنوعی درمدل كردن پدیده بارش – رواناب، سعی شده تا قدرت این مدلها در تكمیل آمار ناقص ایستگاه های هیدرومتری و توان تعمیم پذیری مدلهای طراحی شده برای ایستگاه های مجاور مورد بررسی قرار گیرد. برای این منظور از 10 سال آمار ماهانه ایستگاه های هیدر.متری تونل چهل گزی، حسین آباد قشلاق و حسین آباد بیاخی واقع در حوضه سیروان استفاده و نتایج بدست آمده از مدل ها به لحاظ شاخصهای آماری RMSE, MBE, MAE, R2, b, SEE, SE مورد ارزیابی قرار گرفته است. شبكه های مورد استفاده در این تحقیق از نوع پرسپترون چند لایه (MLP) با قانون یادگیری Back Propagation می باشد كه جهت مدل سازی جریان بكمك پارامترهای هواشناسی اثر گذار نظیر بارندگی، تبخیر، دما و سرعت باد بكار گرفته شد. جهت تقویت خاصیت تعمیم پذیری مدل در حوضه های دیگر از پارامترهای چون وسعت حوضه، زمان تمركز، ضریب فرم و ضریب شكل حوضه نیز استفاده شده است.