چگالی برف

در این تحقیق، با به کارگیری تبدیل موجک، به بررسی روش شبکة عصبی - موجک و زمین آمار در برآورد توزیع مکانی سه مؤلفة ارتفاع برف، چگالی برف، و ارتفاع آب معادل برف حوضه های آبریز شمال غرب کشور پرداخته شد. بدین منظور، با مدنظر قراردادن اطلاعات اندازه گیری چهارسالة (1387 1387 تا 1390 1391) سه استان آذربایجان شرقی، آذربایجان غربی، و اردبیل توانایی روش شبکة عصبی- موجک و زمین آمار ارزیابی شد. مقایسة روش های مختلف زمین آمار نشان از برتری روش کریجینگ معمولی با نیم تغییرنمای گوسین برای مؤلفه های چگالی برف، آب معادل برف، و ارتفاع برف با آمارة میانگین مجذور مربعات خطای استاندارد (NRMSE) به ترتیب 259 /0، 429 /0، و 390 /0 بود. با کاربرد روش شبکة عصبی- موجک خطای برآورد هر سه مؤلفه بسیار کاهش یافت؛ به طوری که مقدار NRMSE برای مؤلفه های چگالی برف، آب معادل برف، و ارتفاع برف به ترتیب 122 /0، 002 /0، و 001 /0 به دست آمد. ضمن آنکه دقت شبیه سازی نقاط حدی مؤلفه های برف به وسیلة روش شبکة عصبی- موجک افزایش یافت. بنابراین، کاربرد شبکة عصبی- موجک در مقایسه با زمین آمار در برآورد توزیع مکانی مشخصه های برف توصیه می شود.

مناطق خشک و نیمه خشک همواره با بحران آب مواجه بوده اند، به همین دلیل ذخایر هرچند اندک برفی در سرشاخه های کوهستانی این مناطق، نقش شایان توجهی در تغذیه و تعادل هیدرولوژیکی مناطق مذکور ایفا می کنند. چگالی برف از جمله پارامتر هایی است که به عنوان پارامتر مبدل عمق برف به آب معادل برف، اهمیت فراوانی دارد. در این مقاله، کارآیی یکی از روش های هوش مصنوعی در شبیه سازی پراکنش مکانی چگالی برف در یکی از سرشاخه های دشت یزد – اردکان ارزیابی شده است. به همین منظور، ابتدا داده های چگالی برف با استفاده از نمونه بردار مدل مونت رز در 216 نقطه از منطقه سخوید یزد برداشت گردید. سپس با استفاده از مدل رقومی ارتفاع و در محیط جغرافیایی ساگا 32 پارامتر ژئومرفومتری، به عنوان داده های ورودی استخراج شد. الگوریتم مورد استفاده در هوش مصنوعی، شبکه عصبی مصنوعی بوده که جهت دستیابی بهینه به آن، مدل ها و توابع متفاوت با آرایش نورون های مختلفی بررسی گردیدند. بهترین شبکه به صورت 1-9-32 و حاوی مدل پرسپترون چند لایه و با الگوریتم پس انتشار خطاو تابع فعالیّت سیگموئید و خروجی خطی بود. نتایج پژوهش نشان داد که میزان ضریب همبستگی داده های مشاهداتی و برآورد شده 86 درصد و مجذور میانگین مربع خطا برابر 1/5 است. بدین ترتیب استفاده از ابزارهای هوش مصنوعی به خوبی توانسته است توزیع مکانی چگالی برف را برآورد نماید.