مهین نظری - دانشآموختهی کارشناسی ارشد آبخیزداری، دانشکدهی منابع طبیعی و علوم زمین، دانشگاه کاشان
هدی قاسمیه - استادیار دانشکدهی منابع طبیعی و علوم زمین، دانشگاه کاشان
سیدجواد ساداتی نژاد - دانشیار دانشکدهی علوم و فنون نوین، دانشگاه تهران
عباسعلی ولی - استادیار دانشکدهی منابع طبیعی و علوم زمین، دانشگاه کاشان

فرایند بارش رواناب یکی از پیچیدهترین فرایندهای هیدرولوژی است. یکی از روشهای نوین در مدلسازی بارش رواناب، مدلهای – -شبکهی عصبی مصنوعی است. هدف از این تحقیق، مقایسهی مدلهای شبکهی عصبی MLP و RBF در مدلسازی بارش رواناب حوزهی - بابلرود است. به منظور انجام این تحقیق، آمار 28 سال (87-1360) بارندگی و رواناب حوضهی رودخانهی بابلرود مربوط به ایستگاههای قرآنطالار و کشتارگاه تهیه شد و پس از آزمون همگنی و نرمالسازی دادهها، مدلسازی برای دو ایستگاه قرآن طالار و کشتارگاه به صورت مجزا انجام شد و معیارهای گزینش شبکه در مرحله ی آموزش و تست شامل RMSE ، MSE ، NMSE ، R و 2 R به دست آمدند. در نهایت در هر کدام از مدلها، دادههای شبیه سازی شده و مشاهدهای مربوط به بارندگی و رواناب ماهانه مقایسه شدند. نتایج نشان داد که بهترین مدل در ایستگاه قرآن طالار، مدل RBF با الگوریتم مومنتم و تابع انتقال تانژانت هایپربولیک و 186 تکرار و 20 نرون در لایهی میانی اول و 15 نرون در لایهی میانی دوم (فرمول در متن اصلی مقاله) می باشد. در ایستگاه کشتارگاه نیز مدل شبکه ی عصبی RBF نسبت به سایر مدلها دارای کارایی بالاتری بود و بهترین مدل، دارای معماری چهار نرون در لایه ی اول، شش نرون در لایهی دوم و الگوریتم مومنتم و تابع انتقال بایاس و 137 تکرار با 0/176، R 0/512 -ق)2( 0/495- NMSE 0/13- 0/017-MSE به دست آمد.

ایستگار کشتارگاه، حوضهی رودخانهی بابلرود، مدلسازی بارش رواناب، مدل MLP، مدل RBF، ایستگاه قرآن طالار