مقایسه کارآیی مدل هیدرولوژیکی Wetspa، شبکه عصبی مصنوعی و سیستم عصبی- فازی انطباقی در شبیه سازی دبی جریان رودخانه (مطالعه موردی: حوضه آبخیز بالوخلوچای استان اردبیل)

Abstract

رواناب تولیدشده اثرات قابل توجهی بر کمیت و کیفیت منابع آب سطحی و زیرزمینی، فرسایش خاک و حتی پوشش گیاهی حوضه های آبخیز دارد. در سالهای اخیر، مدل های متنوع کامپیوتری و روش های هوشمند عصبی جهت تخمین و پیش بینی رواناب و تأثیرات متعدد آن مورداستفاده قرارگرفته اند. در این تحقیق، عملکرد مدل هیدرولوژیکی Wetspa و دو مدل هوشمند ANN و ANFIS در شبیه سازی بارش- رواناب و تخمین دبی روزانه حوضه آبخیز بالوخلوچای مورد بررسی قرار گرفت. داده های موردنیاز شامل اطلاعات مربوط به مدل رقومی ارتفاع، نقشه های کاربری اراضی و خاک و همچنین داده های اقلیمی و هیدرولوژیکی مربوط به سری های روزانه بارندگی، دما، تبخیر - تعرق مرجع و دبی تهیه شدند. داده های سال های آبی 1387-1386 تا 1389-1388 برای واسنجی و داده های سال آبی 390-1389 و 1391-1390 برای اعتبارسنجی و آزمون مدلها انتخاب شدند. ضرایب ارزیابی عملکرد مختلف مانند ناش - ساتکلیف، ضریب همبستگی و ریشه میانگین مربعات خطا (برحسب متر مکعب بر ثانیه) به ترتیب برابر با 0.457، 0.696 و 1.179 برای Wetspa و 0.724، 0.865 و 1.232 برای ANN و 0.289، 0.603 و 1.968 برای ANFIS نشان داد که بالاترین دقت بین مدل های بکار رفته به ترتیب به مدلهای ANN و Wetspa و ANFIS متعلق هست. اگرچه دقت مدل ANN نسبت به Wetspa بیشتر است، اما استفاده از آن به دلیل خاصیت جعبه سیاه بودن در برخی موارد از جمله بررسی تأثیر کاربری اراضی یا توپوگرافی بر رواناب نسبت به مدل کاملا توزیعی Wetspa با محدودیتهایی مواجه است.