تعيين تغييرات حوضه آبريز با استفاده از روش تركيبي مدل مفهومي ـ هوش مصنوعي

در اين تحقيق با استفاده از روش معكوس مكان و شدت تغييرات كاربري و پوشش گياهي در حوضه  آبريز LRW كه در كشور آمريكا قرار گرفته مورد بررسي قرار گرفت. براي اين منظور، از قابليتهاي هوش مصنوعي و محاسبات نرم از جمله موجك و آنتروپي بهره گرفته شد؛ بطوريكه در ابتداي كار با استفاده از GIS زيرحوضه بندي و استخراج اطلاعات حوضه آبريز صورت گرفته، سپس با استفاده از دبي هاي خروجي مشاهداتي از زيرحوضه‌ها به واسنجي مدل بارشرواناب حوضه آبريز در نرم افزار HECHMS پرداخته شد. با اعمال تغييرات در مقدار پارامتر ضريب مخزن واسنجي شده براي زير حوضه‌ها در مدل مفهومي كلارك، روانابهاي خروجي متفاوتي از هر زير حوضه حاصل گشت تا بتوان ارتباط بين مقادير پارامتر ضريب مخزن زيرحوضه‌ها با رواناب خروجي از حوضه را توسط مدلهاي هوش مصنوعي شبكه عصبي و ماشين بردار پشتيبان برقرار كرد. براي جلوگيري از ورود اطلاعات نوفه به مدلها و حداقل رساندن ابعاد اطلاعات و ساده سازي مدل، قبل از مدل سازي پيش پردازش وروديها توسط موجكآنتروپي صورت گرفت. در نهايت مدل به دست آمده براي تعميم به سالهاي آتي با رويداشت ديناميكي پوشش گياهي و كاربري حوضه آبريز و تخمين آن مورد استفاده قرار گرفت. براي نمونه در حوضه آبريز LRW افزايش وسعت مزارع و كاهش ميزان جنگل با كاهش ضريب مخزن از سال 1990 تا 2013 هم بستگي بالايي نشان داد بطوريكه كاهش 26 درصدي ضريب مخزن در يكي از زيرحوضه‌هاي پايين دست با كاهش 53 درصدي مساحت جنگل و افزايش مساحت 21 درصدي مزارع همراه بود.