عملکرد شبکۀ عصبی مصنوعی در پیش بینی و تحلیل فرایندهای هیدرولوژیک (مطالعۀ موردی: کمبود آب حوضۀ آبخیز نازلوچای در استان آذربایجان غربی)
نویسندگان
1 استادیار، گروه مهندسی آب و سازه های هیدرولیکی، دانشکدۀ مهندسی عمران، دانشگاه سمنان
2 دانشجوی کارشناسی ارشد مهندسی و مدیریت منابع آب، دانشکدۀ مهندسی عمران، دانشگاه سمنان
3 دانشجوی کارشناسی ارشد مهندسی و مدیریت منابع آب، دانشکدۀ مهندسی عمران، دانشگاه سمنان
4 استادیار، گروه مهندسی آب و سازههای هیدرولیکی، دانشکدۀ مهندسی عمران، دانشگاه سمنان
5 دانشجوی کارشناسی ارشد مهندسی و مدیریت منابع آب، دانشکدۀ مهندسی عمران، دانشگاه سمنان
doi
10.22059/ije.2016.60365چکیده
بارش یکی از فرایندهای هیدرولوژیک است که تأثیر زیادی در کنترل مدیریت منابع آب دارد. کمبود بارش سبب بهوجودآمدن مشکلات فراوانی از جمله کمبود آب شرب میشود. بهعلت اهمیت مسئلۀ کمبود آب، استفاده از روشهای نوین بهمنظور پیشبینی فرایندهای هیدرولوژیک تأثیر زیادی در برنامهریزی و مدیریت منابع آب خواهد داشت. از اینرو، در تحقیق حاضر کمبود آب ماهانه در حوضۀ نازلوچای طی یک دورۀ آماری 39ساله (1352ـ 1391) با استفاده از مدل شبکۀ عصبی مصنوعی و مدل بهبودیافتۀ موجکـ شبکۀ عصبی، شبیهسازی، پیشبینی و تحلیل شده است. عملکرد این دو مدل توسط معیارهای خطای ضریب همبستگی، ضریب تبیین و جذر میانگین مربعات خطا ارزیابی شد. بنا بر نتایج بهدستآمده، مدل موجکـ شبکۀ عصبی با ضریب همبستگی 96/0 و 945/0 که بهترتیب مختص به حالت آموزش و آزمون است، نسبت به شبکۀ عصبی مصنوعی توانایی بیشتری برای پیشبینی کمبود آب داشت. در ادامه، مقادیر کمبود آب ماهانه در این حوضه طی سالهای 1392 تا 1399 پیشبینی شده است. نتایج نشان میدهند روند کمبود آب همچنان مانند گذشته باقی است. البته، متوسط میزان کمبود در 8 سال آینده تقریباً 95/2 میلیون مترمکعب تخمین زده شد. در حالی که همین پارامتر برای 39 سال گذشته 04/4 میلیون مترمکعب بوده است. از اینرو، نیاز است که برای سالهای آینده اقدامات لازم انجام شود و با برنامهریزی مدیریتی دقیق برای بهرهبرداری از منابع آب (کشاورزی، صنعت، شرب و...)، کاهش میزان کمبود آب در سالهای آتی ممکن شود.
