ترکیب روش های تجربی و علمی در مطالعه رودخانه ها

این پژوهش با هدف مدلسازی دبی رودخانه کارون با استفاده از ترکیب روش های تجربی و شبکه عصبی مصنوعی (ANN) انجام شده است. داده های مورد استفاده شامل پارامترهای هیدرولوژیکی (بارش، دما، رطوبت نسبی، تبخیر)، ویژگی های فیزیکی حوضه (مساحت، شیب، نفوذپذیری خاک) و دبی روزانه ایستگاه های هیدرومتری در بازه زمانی ۲۰۰۰ تا ۲۰۲۰ بود. مدل ANN با معماری دو لایه پنهان (۱۰ و ۸ نورون)، تابع فعال ساز ReLU و الگوریتم آموزش Adam طراحی شد. نتایج نشان داد مدل با ضریب تعیین ۰.۹۳۸ و خطای میانگین مربعات (MSE) ۲۴۸.۹۷ مترمکعب بر ثانیه، توانسته است ۹۳.۸٪ از تغییرات دبی را پیش بینی کند. مقایسه مقادیر واقعی و پیش بینی شده (با اختلاف کمتر از ۱۰٪ در اکثر موارد) موثر بودن این روش ترکیبی را تایید کرد. این مطالعه بر کارایی بالای ANN در مدلسازی پیچیدگی های هیدرولوژیکی تاکید دارد و می توان از آن برای مدیریت منابع آب، پیش بینی سیلاب و برنامه ریزی آبی در حوضه کارون استفاده کرد. با این حال، توسعه مدل با داده های بلندمدت تر و الگوریتم های بهینه سازی پیشرفته تر پیشنهاد می شود. یافته های این تحقیق گامی موثر در بهکارگیری هوش مصنوعی برای حل چالش های منابع آب است.

کلیدواژه ها:

مدلسازی ، بارش ، رودخانه