ارزيابي كارايي مدل هيدرولوژيكي IHACRES و شبكه عصبي مصنوعي به‌منظور پيش‌بيني جريان در رودخانه بختياري

مقدمه و هدف: در سال هاي اخير پيش‌بيني جريان در رودخانه يكي از مسائل مهم و مورد توجه براي مديريت منابع آب در ايران است. اين پيش‌بيني نيازمند آمار و اطلاعات است كه متأسفانه اغلب حوضه‌هاي كشور فاقد داده‌هاي با كميت و كيفيت مورد نظر مي‌باشند. مدل‌سازي هيدرولوژيكي و استفاده از هوش مصنوعي از نمونه راهكارهايي است كه براي برطرف كردن چالش عدم‌كفايت و عدم وجود داده هاي باكيفيت مناسب در هيدرولوژي مورد استفاده قرار مي‌گيرد. معيار انتخاب مدل مناسب براي اين فرايند، ارزيابي عملكرد مدل‌ها با توجه به شرايط هيدرولوژيكي هر منطقه است. مواد و روش‌ها: مدل هاي زيادي براي پيش‌بيني‌ جريان رودخانه مورد استفاده قرار مي‌گيرند. در اين تحقيق از مدل بارش-رواناب IHACRES و شبكه عصبي مصنوعي به‌عنوان مدل داده محور براي پيش‌بيني جريان، در رودخانه بختياري استفاده شد. از داده‌هاي سال‌هاي 1984 تا 1994 به‌عنوان داده‌هاي مرحله واسنجي و از داده‌هاي سال‌هاي 1995 تا 2006 براي صحت سنجي مدل هيدرولوژيكي استفاده شد. همچنين از شبكه Dence با تعداد نرون‌هاي 10، 20، 50 و 100 استفاده شد. معيار بهينه‌سازي Adam براي بهبود روند آموزشي در نظر گرفته شد و تابع خطاي استفاده‌شده MSE است و تابع فعال‌ساز به علت پيوسته بودن داده‌ها sgmoid انتخاب شد. يافته‌ها: نتايج ارزيابي مدل هيدرولوژيكي و شبكه عصبي مصنوعي با استفاده از شاخص‌هاي كلينگ-گوپتا، نش- ساتكليف، ضريب تعيين، ميانگين مربعات خطا و ميانگين مطلق مورد بررسي قرار گرفت و نتايج نشان داد شبكه عصبي مصنوعي در كليه معيارهاي ارزيابي، نتايج بهتري در شبيه‌سازي جريان روزانه نسبت به مدل هيدرولوژيكي دارد. مقادير معيارهاي ارزيابي كلينگ-گوپتا، نش- ساتكليف، ضريب تعيين، ميانگين مربعات خطا، ميانگين مطلق خطا در مرحله صحت سنجي به‌ترتيب براي مدل هيدرولوژيكي و شبكه عصبي مصنوعي 0/74، 0/75، 0/77، 1/25، 0/7 و 0/94، 0/89، 0/89، 0/57، 0/26 محاسبه شد. نتيجه‌گيري: بر اساس نتايج روش‌هاي مورد استفاده در تحقيق روش شبكه عصبي مصنوعي نسبت به مدل هيدرولوژيكي IHACRES پيش‌بيني دقيق‌تري از جريان روزانه رودخانه بختياري دارد. توانايي قابل قبول شبكه عصبي در شبيه‌سازي جريان هاي اوج  علاوه بر شبيه‌سازي جريان روزانه از نتايج قابل‌توجه اين تحقيق است.