مدلسازی بارش رواناب شهرستان لاهیجان بر اساس شبکه عصبی

مدلسازی بارش- رواناب یک فرآیند ضروری و پیچیده میباشد که در بهرهبرداری مناسب از مخازن و مدیریت و برنامه ریزی صحیح منابع آب نقش عمده ای دارد. مدلسازی این فرآیند با استفاده از روش های مختلفی امکانپذیر است. از نظر تئوری، در مدلسازی یک سیستم میبایست روابط صریح بین متغیرهای ورودی و خروجی معلوم باشند در حالی که به علت معلوم نبودن روابط صریح بین متغیرها و عدم قطعیت های ذاتی آنها، استخراج چنین مدلی بسیار مشکل میباشد. هدف از انجام این پژوهش استفاده از شبکه عصبی مصنوعی در مدلسازی فرایند بارش-رواناب در شهرستان لاهیجان میباشد. در این پژوهش از مدل شبکه عصبی پرسپترون چند لایه MLP استفاده شد. ابتدا داده های بارندگی با توجه به الگوی زمانی بارندگی به چهار گروه تقسیم گردیدند. برای هر گروه توزیع بارندگی در چارک های زمانی مختلف، دبی پایه هیدروگراف، عمق کل بارندگی، عمق بارندگی تا وقوع زمان تمرکز حوضه، تداوم بارندگی و شاخص بارش پیشین به عنوان پارامترهای ورودی مدل شبکه عصبی لحاظ گردید. اطلاعات خروجی مدل شبکه عصبی به صورت دبی اوج هیدروگراف، زمان وقوع دبی اوج، زمان پایه هیدروگراف، زمان رسیدن به دبی برابر با 50 و 75 درصد دبی اوج و عرض های هیدروگراف متناظر با این دبی ها در نظر گرفت. نتایج نشان دهنده همبستگی قوی بین خروجی های مدل با داده های اندازه گیری شده میباشد. از یافته های پژوهش استنباط میشود که مدل شبکه عصبی پرسپترون چند لایه می تواند جهت مدلسازی فرآیند بارش -رواناب و سری های زمانی فرآیندهای پیچیده هیدرولوژیکی با دقت مناسب به کار برده شود.

کلیدواژه ها:

مدلسازی ، بارش ، رواناب ، لاهیجان ، شبکه عصبی مصنوعی