بررسی قابلیت پارامتر Cprecip در منظور کردن اثر برف بر پیش بینی دبی روزانه رودخانه به وسیله شبکه عصبی و شبکه عصبی فازی

نویسندگان
doi
چکیده

یکی از پارامترهای موثر در پیش بینی دبی خصوصاًدر حوضه‌های برفگیر، پارامتر برف می‌باشد. آب معادل برف متداول‌ترین پارامتری است که در مدل‌سازی جریان رودخانه‌ها، به منظور وارد کردن تأثیر برف در مدل استفاده می‌شود. در این مقاله سعی شده است با توجه به عدم دسترسی به پارامتر آب معادل برف در درصد قابل توجهی از حوضه‌ها، پارامترهای باران تجمعی و باران تجمعی مازندران جایگزین آب معادل برف شوند. پارامتر باران تجمعی، بارندگی تجمعی از اول نوامبر تا اول آپریل و معرف برف انباشته شده می‌باشد که در بهار ذوب می‌شود. پارامتر باران تجمعی مازندران با انجام تغییراتی بر روی پارامتر باران تجمعی (جهت سازگاری آن با حوضه‌های مازندران) به دست می‌آید. نتایج مدل‌سازی نشان داد که پارامتر باران تجمعی قابلیت جایگزینی پارامتر آب معادل برف را دارد و پارامتر باران تجمعی مازندرانبا توجه به انطباق بیشتر با حوضه‌های این ناحیه، کارایی بیشتری نسبت به پارامتر باران تجمعی دارد.