مدل سازی رواناب روزانه در آبخیز طالقان با استفاده از مدل های هوش مصنوعی

مدل های بارش-رواناب از ابزارهای کلیدی در مدیریت منابع آب به شمار می روند. این مدل ها فرآیندهای مختلف هیدرولوژیکی از جمله نفوذ، ظرفیت ذخیره خاک، جریان زیر سطحی و آب زیرزمینی را برای شبیه سازی رواناب در نظر می گیرند. با توجه به نیاز بالای مدل های فیزیک پایه و فرآیند محور به داده و اطلاعات استفاده از آن ها با چالش هایی مواجه است. از این رو مدل های هوش مصنوعی می توانند در این زمینه راه گشا باشند. بر همین اساس در این مطالعه به مقایسه کارایی مدل های بارش-رواناب با استفاده از داده های روزانه شامل بارش ۲۴ ساعته، دمای هوا، دبی جریان، میانگین سرعت باد، میانگین رطوبت نسبی، میزان بارش برف، کلی شاخص بارش پیشین (API) و شاخص دبی پیشین (ADI) برای یک بازه زمانی ۱۳ ساله پرداخته شد. سه مدل به ترتیب ANFIS، RF، GMDH عملکرد نسبتا مطلوبی در شبیه سازی تغییرات رواناب داشتند که نشان می دهد استفاده از مدل های هوش مصنوعی برای تخمین رواناب سطحی ابزار مناسبی می باشد.

کلیدواژه ها:

هوش مصنوعی ، مدل داده محور ، رواناب ، مدل سازی