ارزيابي و مقايسه روش شبكه عصبي مصنوعي و نرم افزارHEC-HMS در شبيه‌سازي آبنمود بارش - رواناب در حوضه آبخيز معرف كسيليان

فرايند بارش رواناب يك پديده ي كاملا پيچيده و غيرخطي در آبشناسي و منابع آب مي باشد. در سالهاي اخير، شبكه‌هاي عصبي مصنوعي كاربرد گسترده اي را در شبيه سازي روابط غيرخطي و پيچيده مانند رابطه ي بارشرواناب پيدا كرده است. دراين تحقيق، به منظور شبيه سازي آبنمود بارشرواناب در حوضه ي آبخيز معرف كسيليان از روش شبكه ي عصبي مصنوعي (با ساختار7109) و نرم افزار HEC-HMS استفاده گرديد. به منظور آموزش بهتر نرم افزار شبكه ي عصبي مصنوعي داده‌هاي بارندگي بر اساس الگوي زماني، مطابق با توزيع بارندگي هاف، به چهار گروه تقسيم شدند. به طوركلي نتايج اين تحقيق نشان دادند كه محدوده ي قدرمطلق درصد خطاي نسبي فراسنج هاي QP، TP، Tb، 75w،50w، 50T و 75T شبيه‌سازي شده به وسيله ي شبكه عصبي به ترتيب 51/97-0/02، 41/23-0/55، 0/26-54/07، 0/23-202/62، 0/52-69/88، 2/21-82/07 و 57/76-2/42 مي‌باشند، در حالي كه با شبيه‌سازي به وسيله ي نرم افزار HEC-HMS اين حدود به ترتيب 756/53-0/58، 250-0، 141/18-0، 2/84-575، 0/93-167/86، 3/33-350 و 266/67-2 محاسبه شده اند. با توجه به درصد خطاي نسبي مربوط به فراسنج هاي خروجي هر واقعه مي‌توان نتيجه گرفت كه شبكه ي عصبي در اكثر موارد تمامي فراسنج ها و شكل كلي آبنمود را به خوبي و با خطاي ناچيزي نسبت به نرم افزار HEC-HMS شبيه‌سازي نموده است، البته در بعضي موارد، نرم افزار HEC HMS توانسته است كه شبيه‌سازي بده اوج آبنمود، زمان پايه و شكل كلي آن را به خوبي، يا به ندرت دقيقتر از شبكه ي عصبي انجام دهد.