بررسي توانمندي مدل شبكه عصبي مصنوعي در شبيه‌سازي فرآيند بارش-رواناب در شرايط تغيير اقليم (مطالعه موردي: حوزه سد پاشاكلا بابل)

پيش بيني جريان رودخانه ها نقش بسزايي در برنامه ريزي، مديريت و بهره برداري از منابع آب دارد. براي دستيابي به اين هدف و با توجه به پديده ي گرمايش جهاني، لازم است سري زماني بارش و رواناب روزانه براي دوره هاي آتي شبيه سازي شود. لذا ضروريست آشكارسازي رخداد تغيير اقليم و تأثير آن بر بارش و رواناب در سطح حوزه مورد بررسي قرار گيرد. در گام اول اين پژوهش، با استفاده از آزمون آماري روند منكندال، رخداد تغيير اقليم در حوزه پاشاكلا بابل در استان مازندران به اثبات رسيد. نتايج بررسي 36 سال آمار متوسط دماي روزانه، نشان دهنده روند افزايشي متوسط دما در سطح حوزه مي باشد. در گام دوم، از مدل لارس تحت مدل گردش عمومي جو HadCM3 و سناريوي A2، براي توليد سري زماني بارش روزانه در دوره آتي استفاده شد. به اين منظور داده هاي بارش، دماي كمينه، دماي بيشينه و ساعات آفتابي براي دوره پايه 12 ساله (20152004) وارد مدل شده و سري زماني بارش روزانه در سطح حوزه براي دوره آتي 10 ساله (20252016) پيش بيني شد. در گام سوم، از مدل شبكه عصبي مصنوعي، براي شبيه سازي فرآيند بارشرواناب در شرايط تغيير اقليم و توليد سري زماني رواناب روزانه در دوره آتي استفاده شد. در نهايت، به منظور بالا بردن قابليت مدل شبكه عصبي مصنوعي در پيش بيني رواناب روزانه، علاوه بر داده هاي بارش روزانه پيش بيني شده، داده هاي بارش و رواناب يك روز قبل نيز به عنوان عوامل مؤثر در رواناب روز جاري وارد مدل شده و با استفاده از نرون هاي بارش و رواناب ضريب همبستگي برابر با 8/0 به دست آمد. اين ضريب همبستگي در سطح 1 درصد معني دار بوده و نشان دهنده قابليت مدل در شبيه سازي فرآيند بارشرواناب مي باشد.