شبیه سازی اثرات تغییر اقلیم بر رواناب با استفاده از مدل های شبکه عصبی مصنوعی و سیستم استنتاج عصبی فازی تطبیقی (مطالعه موردی: حوضه آبریز طشک- بختگان)

در برنامه ریزی پروژه های منابع آب، برآورد میزان دسترسی به آب نقش مهمی ایفا می کند. اولین مرحله در برآورد در دسترس بودن آب، محاسبه رواناب در حوضه های آبریز است. از طرفی، تغییر اقلیم به صورت مستقیم بر روی مولفه های هیدرولوژیکی و منابع آبی تاثیرگذار است؛ لذا بررسی اثرات تغییر اقلیم بر مولفه های آبی همچون رواناب امری ضروری است. از این رو در این مطالعه وضعیت جریان ورودی به دریاچه های طشک- بختگان به عنوان یکی از مهمترین دریاچه های کشور مورد بررسی قرار گرفت. از آنجا که فرآیند بارش- رواناب به دلیل ماهیت غیرخطی و چند بعدی، مفهومی پیچیده است، تاکنون مدل های مفهومی و فیزیک- پایه مختلفی به منظور پیش بینی رواناب توسعه یافته است. وابستگی زیاد این مدل ها به پارامترها و نقشه های متعدد، عملا کارایی آنها را در حوضه­ های با آمار محدود با چالشی اساسی روبرو می­ نماید. در مقابل، مدل های مبتنی بر شبکه عصبی مصنوعی و سیستم استنتاج فازی به عنوان ابزارهای کاربردی درنظر گرفته می شوند که می توانند در چنین شرایطی به هیدرولوژیست ها در فعالیت های عملیاتی کمک کنند. در این مطالعه مدل های شبکه عصبی انتشار به جلو FFBPNN و سیستم استنتاج عصبی فازی تطبیقی ANFIS و تلفیق آن با الگوریتم های فراابتکاری بهینه سازی ازدحام ذرات (PSO) و ژنتیک (GA) به منظور بررسی وضعیت رواناب در شرایط تاریخی و نیز تغییر اقلیم تحت سناریوهای RCP و SSP مورد بررسی قرار گرفته است. نتایج به دست آمده نشان می دهد که مدل های FFBPNN و ANFIS تلفیق شده با الگوریتم PSO (ANFIS_PSO) با استفاده از متغیرهای بارش، دمای حداقل و دمای حداکثر به عنوان متغیرهای ورودی، به ترتیب با مقادیر ضریب همبستگی، ریشه میانگین مربعات خطا (متر مکعب بر ثانیه)، ضریب نش- ساتکلیف و کلینگ گوپتا (۰/۹۹، ۲/۰۷، ۰/۹۹ و ۰/۹۸ در دوره آموزش و ۰/۹۴، ۳/۶۱، ۰/۹۱ و ۰/۸۸ در دوره آزمون) و (۰/۹۸، ۲/۹۴، ۰/۹۷ و ۰/۹۸ در دوره آموزش و ۰/۹۳، ۳/۸۷، ۰/۸۵ و ۰/۸۸ در دوره آزمون) عملکرد بهتری نسبت به سایر مدل‎ها با ورودی های متفاوت داشته اند. نتایج این تحقیق می تواند برای بررسی اثرات این سناریوها بر حوضه های مهم کشور و در نتیجه برنامه ریزی و مدیریت منابع آب در شرایط تغییر اقلیم مفید باشد.

کلیدواژه ها:

تغییر اقلیم ، FFBPNN ، ANFIS ، الگوریتم های فراابتکاری