مدلسازی بارش- رواناب با استفاده از مدل HBV و الگوریتم جنگل تصادفی در حوضه آبخیز بازفت
نویسندگان
1 دکترای هیدرولوژی و منابع آب، گروه مهندسی آب، دانشکده علوم آب، دانشگاه شهید چمران اهواز، اهواز، ایران.
2 دانشجوی کارشناسی ارشد مهندسی منابع آب، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه شهرکرد، شهرکرد، ایران.
3 دانشیار گروه مهندسی آب، دانشکده کشاورزی، دانشگاه شهرکرد، شهرکرد، ایران
doi
10.22059/ijswr.2021.318980.668893چکیده
برآورد رواناب حاصل از بارندگی در یک حوضه آبخیز از جهات گوناگون از جمله مدیریت مخازن سدها، مدیریت منابع آب، تنظیم سیلاب، کنترل فرسایش کناره و بستر رودخانه حائز اهمیت میباشد. در این مطالعه، از مدل مفهومی HBV و مدل هوش مصنوعی جنگل تصادفی (RF) به منظور شبیهسازی فرایند بارش-رواناب در حوضه آبخیز بازفت در ایستگاه هیدرومتری لندی برای دوره آماری 2010 تا 2017 استفاده شد. برای ارزیابی عملکرد مدلها، از آمارههای ضریب همبستگی (r)، ریشه میانگین مربعات خطا (RMSE)، معیار کارایی نش–ساتکلیف (NS)، میانگین مطلق درصد خطا (MAPE) و میانگین قدرمطلق خطا (MAE) استفاده شد. مقایسه نتایج مدل مفهومی HBV و مدل RF نشاندهنده عملکرد بهتر مدل RF بود. بنابراین، مدل RF با مقادیر (m3/s 39/0RMSE=، 59/9MAPE=، 25/0MAE=، 95/0 r= و 82/0NS=) به عنوان مدل برتر انتخاب گردید و این مدل میتواند برای کاربردهای آینده به عنوان یک گزینه جدید برای پیشبینی رواناب در حوضه بازفت مورد استفاده قرار گیرد.