برآورد رواناب حوضه بار اریه با استفاده از مدل های WetSpa و شبکه عصبی مصنوعی(مقاله علمی وزارت علوم)
حوزه های تخصصی:
برآورد صحیح رواناب حوضه نقش بسیار مهمی در مدیریت آن دارد. تا به حال محققین زیادی از مدل های یکپارچه، توزیعی و هم چنین از روش های هوشمند مصنوعی به منظور برآورد رواناب حوضه استفاده نمودند. در تحقیق حاضر برای برآورد آبدهی حوضه بار اریه با مساحتی معادل با 112 کیلومتر مربع و متوسط بارش سالانه 72/306 میلی متر از دو مدل توزیعی WetSpa و مدل هوشمند شبکه عصبی مصنوعی ANN استفاده گردید. به منظور اجرای مدل WetSpa از دو دسته اطلاعات شامل نقشه های رستری و اطلاعات هواشناسی و برای مدل شبکه عصبی مصنوعی تنها از اطلاعات هواشناسی استفاده گردید. اجرای مدل های مذکور در دوره ی 5 ساله صورت پذیرفت. به منظور مقایسه نتایج مدل ها، از معیارهای ارزیابی ضریب همبستگی R 2، مجذور میانگین خطای استاندارد RMSE و میانگین قدر مطلق خطا MAE استفاده شد. نتایج بدست آمده نشان داد مدل WetSpa با R 2و RMSE برابر با m 3/s920/0 وm 3/s 346/0 و هم چنین مدل شبکه عصبی مصنوعی با R 2و RMSE برابر با m 3/s 959/0 و m 3/s 310/0 توانایی شبیه سازی جریان رودخانه بار اریه را دارند. هم چنین استفاده از مدل شبکه عصبی مصنوعی موجب کاهش خطای برآورد رواناب حوضه به مقدار 6/11 درصد در مقایسه با مدل WetSpa شده است.