برآورد رواناب حوضه بار اریه با استفاده از مدل‌های Wetspa و شبکه عصبی مصنوعی

برآورد صحیح رواناب حوضه نقش بسیار مهمی در مدیریت آن دارد. تا به حال محققین زیادی از مدل‌های یکپارچه، توزیعی و هم‌چنین از روش‌های هوشمند مصنوعی به‌منظور برآورد رواناب حوضه استفاده نمودند. در تحقیق حاضر برای برآورد آبدهی حوضه بار اریه با مساحتی معادل با 112 کیلومتر مربع و متوسط بارش سالانه 306.72 میلی‌متر از دو مدل توزیعی wetspa و مدل هوشمند شبکه عصبی مصنوعی ann استفاده گردید. به‌منظور اجرای مدل wetspa از دو دسته اطلاعات شامل نقشه‌های رستری و اطلاعات هواشناسی و برای مدل شبکه عصبی مصنوعی تنها از اطلاعات هواشناسی استفاده گردید. اجرای مدل‌های مذکور در دوره‌ی 5 ساله صورت پذیرفت. به‌منظور مقایسه نتایج مدل‌ها، از معیارهای ارزیابی ضریب همبستگی r2، مجذور میانگین خطای استاندارد rmse و میانگین قدر مطلق خطا mae استفاده شد. نتایج بدست آمده نشان داد مدل wetspa با r2و rmse برابر با  m3/s0.920 وm3/s  0.346 و هم‌چنین مدل شبکه عصبی مصنوعی با   r2و rmse برابر با m3/s 0.959 و m3/s 0.310 توانایی شبیه‌سازی جریان رودخانه بار اریه را دارند. هم‌چنین استفاده از مدل شبکه عصبی مصنوعی موجب کاهش خطای برآورد رواناب حوضه به مقدار 11.6 درصد در مقایسه با مدل wetspa شده است.