فهرست نشریات علمی دسترسی آزاد ایران

 پیش­بینی سیلاب واریزه­ای جهت کاهش خسارات ناشی از آن از اهمیت ویژه­ای برخوردار است. هدف این تحقیق پیش­بینی غلظت رسوبات سیلاب (واریزه­ای و معمولی) توسط مدل­های شبکه بیزین و شبکه عصبی در حوضه‌های امامه، ناورود و کسیلیان است که به ترتیب در استان­های تهران، گیلان و مازندران واقع شده­اند. بدین­منظور، متوسط ارتفاع، شیب حوضه، مساحت حوضه، بارش فعلی، بارش پیشین (به مدت 3 روز قبل) و دبی 1 روز قبل به عنوان متغیرهای ورودی انتخاب شدند. سپس برای تعیین مؤثرترین عوامل بر غلظت رسوبات سیلاب، 32 سناریو ارزیابی شد. برای سناریو حاصل از کلیه عوامل منتخب، شاخص­های R2 و MAPE در مرحله آزمون، به ترتیب 97/0 و %55/8 برآورد گردید. ارزیابی اثر متغیرهای مختلف نشان داد مؤثرترین عوامل بر دقت پیش­بینی شبکه بیزین به ترتیب ارتفاع حوضه، بارش فعلی، دبی روز قبل، مساحت حوضه و بارش پیشین یک روز قبل می­باشند. شاخص­های R2 و MAPE برای این سناریو 91/0 و %01/11 است که به دلیل داشتن کمترین تعداد عوامل ورودی و بالاترین دقت به عنوان بهترین سناریو انتخاب گردید. مقایسه عملکرد مدل بیزین با مدل شبکه عصبی نشان داد مدل شبکه بیزین دقت پیش­بینی بالاتری دارد. مؤثرترین عوامل شناسایی شده می­تواند برای پیش­بینی سیلاب واریزه­ای در حوضه­های مشابه استفاده گردد.