ارزیابی عملکرد سه مدل شبکه عصبی مصنوعی، رگرسیون چند متغیره و IHACRES در تخمین دبی روزانه جریان مطالعه موردی:حوضه آبخیز زرینه رود

با توجه به کمبود ایستگاههای هیدرومتری در بیشتر حوضههای آبخیز کشور، توسعه آزمونهایی که بتواند آبدهی جریان رودخانه را در مقیاس زمانی روزانه و در مکان دلخواه برآورد نماید، ازموارد ضروری است که به بهبود اطلاعات موردنیاز برای اهداف مدیریتی مرتبط با منابع آب منجر میگردد. از اینرو تعیین دقیق مقادیر دبی روزانه در آبخیزهای فاقد آمار از چالشهای مهم در هیدرولوژی محسوب میشود. همچنین با وجود تنوع مدلهای بارش-رواناب در دسترس، انتخاب یک مدل بارش-رواناب مناسب برای حوزه از جهت بهرهوری برنامهریزی و مدیریت منابع آب مهم میباشد. در این تحقیق شبیهسازی دبی روزانه جریان با استفاده از سه مدل شبکه عصبی مصنوعی، رگرسیون چند متغیره و IHACRES و ارزیابی کارایی آنها در زیرحوزه رودخانه ساروقچای از حوضه آبخیز زرینهرود انجام شد. دادههای روزانه بارش، دما و آبدهی در فاصله سالهای 1331 تا 1331 که 11 سال ابتدایی برای آموزش شبکه و واسنجی مدلها و بقیه جهت تست شبکه و صحتسنجی دو مدل دیگر مورد استفاده قرار گرفت. جهت ارزیابی توانایی مدلها در برآورد دبی از معیار ضریب تعیین 2R و شاخصهای خطا RMSE و MAE =0/ استفاده شد. در مقایسه نتایج، مدل شبکه عصبی مصنوعی با 51 2R ، 3/41 RMSE= 0/ و 55 MAE= =0/ در دوره آموزش و مدل رگرسیونی با 5 2R 4/12 ، RMSE= 1/ و 32 MAE= در دوره واسنجی بهترتیب بیشترین و کمترین کارایی را دارند. این مقادیر در تست =0/ شبکه 52 2R 3/24 ، RMSE= 1/ و 03 MAE= =0/ و در صحتسنجی مدل رگرسیونی 5 2R 3/45 ، RMSE= 1/ و 21 MAE= میباشد. در انتها نتایج مدل مفهومی IHACRES نیز مورد بررسی =0/ و مقایسه با دیگر مدلها قرار گرفت که به دلیل تعداد ورودیهای محدود این مدل برای شبیهسازی رواناب حوضه مطالعاتی، با 11 2R 1/31 ، RMSE= 1/ و 04 MAE= در دوره واسنجی و همچنین =0/ با 12 2R 3/01 ، RMSE= 4/ و 31 MAE= در دوره صحتسنجی، میزان شاخصهای خطا بیشتر از دو مدل دیگر بهدست آمد.

کلیدواژه ها:

هیدرولوژی آبخیز ، دبی روزانه ، مدلهای بارش-رواناب ، حوضه آبخیز زرینهرود