فهرست نشریات علمی دسترسی آزاد ایران

فرایند بارش- رواناب یک پدیده­ی کاملا" پیچیده و غیرخطی در آبشناسی و منابع آب می­باشد. در سالهای اخیر، شبکه‌های عصبی مصنوعی کاربرد گسترده­ای را در شبیه­سازی روابط غیرخطی و پیچیده مانند رابطه­ی بارش-رواناب پیدا کرده است. دراین تحقیق، به منظور شبیه­سازی آبنمود بارش-رواناب در حوضه­ی آبخیز معرف کسیلیان از روش شبکه­ی عصبی مصنوعی (با ساختار7-10-9) و نرم­افزار HEC-HMS استفاده گردید. به منظور آموزش بهتر نرم افزار شبکه­ی عصبی مصنوعی داده‌های بارندگی بر اساس الگوی زمانی، مطابق با توزیع بارندگی هاف، به چهار گروه تقسیم شدند. به­طورکلی نتایج این تحقیق نشان دادند که محدوده­ی قدرمطلق درصد خطای نسبی فراسنج­های QP، TP، Tb، 75w،50w، 50T و 75T شبیه‌سازی شده به وسیله­ی شبکه عصبی به ترتیب 97/51-02/0، 23/41- 55/0، 07/54- 26/0، 62/202- 23/0، 88/69- 52/0، 07/82- 21/2 و 76/57- 42/2 می‌باشند، در حالی­که با شبیه‌سازی به وسیله­ی نرم­افزار HEC-HMS این حدود به ترتیب 53/756- 58/0، 250-0، 18/141-0، 575-84/2، 86/167-93/0، 350-33/3 و 67/266-2 محاسبه شده­اند. با توجه به درصد خطای نسبی مربوط به فراسنج­های خروجی هر واقعه می‌توان نتیجه گرفت که شبکه­ی عصبی در اکثر موارد تمامی فراسنج­ها و شکل کلی آبنمود را به­خوبی و با خطای ناچیزی نسبت به نرم افزار HEC-HMS شبیه‌سازی نموده است، البته در بعضی موارد، نرم افزار HEC- HMS توانسته است که شبیه‌سازی بده اوج آبنمود، زمان پایه و شکل کلی آن را به خوبی، یا به ندرت دقیقتر از شبکه­ی عصبی انجام دهد.