برآورد ضریب رواناب رگبار با استفاده از هوش مصنوعی (مطالعۀ موردی: حوضۀ آبخیز کسیلیان)

نویسندگان

1 استاد دانشگاه تربیت مدرس، تهران

2 استادیار واحد علوم تحقیقات دانشگاه آزاد اسلامی، تهران

3 دانشجوی دکتر‌ی واحد علوم تحقیقات دانشگاه آزاد اسلامی، تهران

4 دانشیار گروه مرتع و آبخیزداری دانشگاه تهران

5 استادیار واحد شوشتر دانشگاه آزاد اسلامی، شوشتر

doi
10.22059/ije.2021.319659.1476
چکیده

در تحقیق پیش رو تخمین ضریب رواناب با توجه به تأثیر پوشش گیاهی انجام ‏شده است. ابتدا مدل‏سازی ضریب رواناب با استفاده از داده‏های سیلاب و رگبار ساعتی طی دورۀ آماری 1366ـ 1388 انجام شده و ضرایب رواناب حوضۀ آبخیز کسیلیان تهیه شد. در مرحلۀ بعد، با استفاده از مدل‏های شبکۀ عصبی مصنوعی (ANN)، شبکۀ عصبی‌ـ فازی تطبیقی (ANFIS) و رگرسیون بردار پشتیبان (SVR) و عوامل مؤثر شامل شدت بارش، مقدار شاخص ، بارش 5 روز قبل و شاخص نرمال‌شدۀ اختلاف پوشش گیاهی (NDVI) ضریب رواناب در مقیاس رگبار برآورد شد. سپس، صحت و اهمیت هر یک از عوامل مؤثر بر ضریب رواناب حوضۀ آبخیز کسیلیان ارزیابی شد. نتایج نشان داد از بین سه مدل ANN، ANFIS و SVR، مدل ANN با مجذور میانگین مربعات خطا، ضریب تبیین، میانگین خطای اریبی و ضریب نش‌ـ ساتکلیف به‌ترتیب 08/0، 85/0، 84/0 و 01/0 در مرحلۀ آموزش و 12/0، 76/0، 74/0 و 03/0- در مرحلۀ آزمایش به عنوان مدل کارا در ارتباط با پیش‏بینی ضریب رواناب است. در مجموع، پیشنهاد می‏شود با توجه به اینکه ضریب رواناب کارکرد زیادی در فرایندهای هیدرولوژیک و بروز سیل دارد، بنابراین تخمین بهینۀ آن می‏تواند به مدیریت بهتر حفاظت آب و خاک و مدیریت فرسایش و رسوب حوضۀ آبخیز کمک کند.