مدل ANN's مبتنی بر ژئومورفولوژی و مدل GIUH برای برآورد رواناب مستقیم

در مدل هیدروگراف واحد لحظه ای ژئومورفولوژی از شبکه زهکشی حوضه آبریز و قوانین هورتون استفاده می گردد. این مدل یک رهیافت مدلسازی رواناب-بارندگی برای حوضه های فاقد آمار می باشد و چون در آن از پارامترهای فیزیوگرافی حوضه استفاده می شود به نتایج آن نسبت به سایر مدلهای خطی دیگر مانند هیدروگراف واحد که چنین قابلیتی ندارند، بیشتر می توان اعتماد نمود. هدف این تحقیق تئسعه یک مدل شبکه عصبی بر پلیه مشخصات ژئومورفولوژی حوضه می باشد که جهت برآورد رواناب مستقیم حوضه معرف کسیلیان مورد استفاده قرار گرفته است. نتایج حاصل از آن با داده های مشاهده ای و نتایج مدل ژئومورفولوژی مقایسه گردیده است. نتایج الین تحقیق نشان می دهد که مدل شبکه عصبی مصنوعی بر پایه ژئومورفولوژی از مدل کاملا تجربی شبکه عصبی مصنوعی و مدلهایی که بر اساس ژئومورفولوژی حوضه می باشند برتر است. علاوه بر این انعطاف پذیری مدل ANNs توسعه یافته بواسطه وزن مرتبط بین گره ها و لایه های مختلف، درترکیب با مدل هیدروگراف واحد لحظه ای ژئومورفولوژ=ی بر قابلیتهای GIUH افزوده است.

کلیدواژه ها:

شبکه عصبی مصنوعی ، GIUH ، حوضه معرف کسیلیان ، مدلسازی ، بارندگی-رواناب