پیش بینی جریان رودخانه با کاربست مدل های هوشمند عصبی و LARS-WG (مطالعه موردی: حوضه آبریز کشکان)

با توجه به محدودیت منابع آب در کشور، اتخاذ تصمیمات مدیریتی مستلزم اطلاع از وضعیت آینده منابع آبی خواهد بود. در مطالعه حاضر برای بررسی اثر تغییر اقلیم بر مولفه های هیدرولوژیکی (دمای حداقل، دمای حداکثر، بارش و ساعات آفتابی) از اطلاعات ایستگاه آب سنجی کمالوند از سرشاخه های رودخانه کشکان واقع در شهرستان خرم آباد و ایستگاه های هواشناسی خرم آباد استفاده شد. بدین منظور با لحاظ اطلاعات هواشناسی در مدل ریزمقیاس نمایی LARS-WG، اقدام به پیش بینی متغیرهای هواشناسی تحت سه سناریو A۱B، A۲ و B۱ به صورت سه دوره ۳۴ ساله (از سال ۲۰۱۱ تا سال ۲۱۱۳) شد. سپس، با در نظرگرفتن اطلاعات هواشناسی طی سال های آینده، مقدار جریان رودخانه تحت سناریو های مختلف تغییر اقلیم توسط مدل های هوشمند عصبی پیش بینی شد. براساس نتایج به دست آمده، روند افزایشی در مولفه های دمای حداقل، دمای حداکثر و تبخیر-تعرق در کلیه سناریوها طی بازه های زمانی آینده مشاهده شد. در سناریوی A۲ روند تغییرات بارش به صورت کاهشی و تابش خورشیدی به صورت افزایشی بود. این در حالی است که در دو سناریوی دیگر روند افزایش بارش و کاهش تابش خورشیدی مشاهده شد. پیش بینی جریان رودخانه با مدل های هوشمند عصبی بیان گر آن بود که مدل عصبی-فازی کارایی بیش تری نسبت به دو مدل عصبی مصنوعی و عصبی-ژنتیک داشت. نتایج حاصل از پیش بینی جریان رودخانه با ساختار بهینه مدل عصبی-فازی نشان داد که کم ترین مقدار جریان رودخانه طی سال های آتی در سناریوی A۱B و بیش ترین آن در سناریوی B۱ اتفاق خواهد افتاد. بررسی روند تغییرات فصلی جریان رودخانه نیز نشان داد که مقدار جریان رودخانه تا سال ۲۱۱۳ در سه فصل بهار، پاییز و زمستان نسبت به دوره پایه، به ترتیب به میزان ۶۰/۲۰، ۳۱/۱۷ و ۲۷/۹ درصد افزایش خواهد یافت. کم ترین مقدار جریان رودخانه نیز در تابستان سال های ۲۱۱۳ تا ۲۰۸۰ تحت سناریوی A۱B پیش بینی شد.

کلیدواژه ها:

تبخیر-تعرق ، سناریوی A۱B ، شهرستان خرم آباد ، عصبی- فازی ، عصبی-ژنتیک