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.2021.318980.668893
چکیده

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.