امین ترنجیان

برنامه ریزی و بهرهبرداری بهینه از رواناب یکی از مسائل ضروری در حوزههای آبخیز است. بنابراین آگاهی از ظرفیت طبیعی تولید رواناب و شبیهسازی بارش-رواناب دارای اهمیت زیادی است. هوش مصنوعی و استفاده از مدلهای شبکه عصبی یکی از روشهای پیشبینی بارش-رواناب است. هددا از این پژوهش ارزیابی عملکرد مدل شبکه عصبی مصنوعی برای شبی هسازی بارش-رواناب در زیرحوضه سقز است. بهمنظور انجام این پژوهش، دادههدای روزانه هواشناسی و آبسنجی منطقه شامل بارش، دما و تبخیر و دبی در دوره آماری 18ساله ( )1380-1397تهیه و مورد بررسی قرار گرفدت. ارزیابی عملکرد مدل، با استفاده از شش سناریوی ترکیبی و چهار معیار آماری ضریب همبستگی ( ،)Rمیانگین مربعات خطا ( ،)RMSEمیانگین خطدای مطلد ( )MAEو شاخص نش-ساتکلیف ( )NSEانجام شد. متغیرهای ورودی در سناریوی اول بارش، در سناریو دوم بارش و تبخیر، در سناریوی سوم بدارش و دمای میانگین، در سناریوی چهارم، بارش و متغیر دبی با یک روز تأخیر، در سناریوی پنجم، بارش، دمای میانگین، بیشینه دما و کمینه و در سناریوی ششم، بارش، تبخیر و دمای میانگین و بیشینه و کمینه دما میباشند. در تمامی سناریوها نیز دبی بهعنوان متغیر خروجی در نظر گرفته شد. پس از بررسی تمامی سناریوها، نهایتاً مدل پیشنهادی شبکه عصبی مصنوعی در سناریوی چهار که متغیرهای ورودی شامل بارش و دبی همراه با یک روز تأخیر بود، با مقادیر ضریب همبستگی ،0/92میانگین مربعات خطا ،6/65میانگین خطای مطل 2/04و شاخص نش-ساتکلیف 0/84در بخش آموزش بدهترتیب بدا مقادیر 1/57 ،5/34 ،0/91و 0/82در بخش آزمون عملکرد بهتری نسبت به سایر مدلهای توسعه یافته شده، از خود نشان داد. نتایج نشان داد اسدتفاده از مدل شبکه عصبی مصنوعی بهعنوان یکی از مدلهای هوش مصنوعی برای شبیهسازی بارش-رواناب در مقیاس روزانه مناسب و دارای صحت بالا و خطای کم برای منطقه مطالعاتی بوده و میتواند به عنوان ابزاری مفید و رویکردی قابل اعتماد در اختیار مدیران منابع آب قرار گیرد