پیشبینی دبی سیلاب با استفاده از ترکیب نتایج مدلهای بارش - رواناب

مدلهای بارش - رواناب بهعنوان جزئی از سیستمهای پیشبینی سیلاب میباشند . در یک چنین سیستمهایی، یک مدل بارش - رواناب ممکن است بر اساس دقت، آشنایی کاربر با آن، سادگی استفاده از آن، نوع حوضه و یا اطلاعات در دسترس انتخاب شود . تا به امروز مدلهای بارش - رواناب فراوانی با قابلیتها و پیچیدگیهای متفاوتی ساخته و به کار برده شدهاند . اما علیرغم وجود مدلهای فراوان، ظهور مرتب مدلهای جدید نشان میدهد که هنوز یک چنین مدل فوق العادهای ساخته نشده است . بهعنوان یک راهحل، میتوان به جای تکیه بر تنها یک مدل، از روش ترکیب نتایج حاصل از مدلهای بارش - رواناب مختلف استفاده کرد . در این تحقیق با استفاده از اطلاعات بارندگی، رواناب دو حوضه رودخانههای نورثفورک و ساوثفورک در ایالت کالیفرنیای آمریکا و با استفاده از ترکیب نتایج حاصل از مدلهای بارش - رواناب به پیشبینی دبی سیلاب پرداخته شد . مدلهای بارش - رواناب SVRCو LVGFM ،LPM ،SLM بدین منظور انتخاب شدند . همچنین به منظور ترکیب نتایج حاصل از مدلهای بالا از روشهای ترکیبی متوسطگیری ساده، رگرسیون خطی و غیرخطی و شبکه - های عصبی مصنوعی استفاده شد . در زمان ترکیب نتایج مدلهای بارش - رواناب مختلف با استفاده از شبکههای عصبی، از الگوریتم پسانتشار خطا ) ) BP جهت آموزش و تست شبکه بهره برده شد . نتایج حاصله نشان داد که دبی سیلاب پیشبینی شده با استفاده از روشهای ترکیبی، دارای میزان خطای کمتر و همبستگی بالاتری نسبت به تک تک مدلهای بارش - رواناب بود . در میان این روش - های ترکیبی، شبکههای عصبی و رگرسیون غیرخطی نتایج بهتری را ارائه دادند .

کلیدواژه ها:

مدلهای بارش - رواناب ، روشهای ترکیبی ، شبکههای عصبی مصنوعی