پیش‌بینی روانآب ناشی از ذوب برف با استفاده از مدل srm و مقایسه با مدل‌های شبکه عصبی ann و anfis (مطالعه موردی: حوضه آبریز سد کارده)

ارزیابی روانآب و جریان حاصل از ذوب برف در مناطق کوهستانی یکی از فعالیت‌های مهم در مدیریت منابع آبی به‌شمار می‌آید. در این خصوص، روش‌های مختلفی ارائه و پیشنهاد شده است که می‌توان به روش شاخص دما، اشاره نمود. هدف از این تحقیق شبیه‌سازی رواناب حاصل از ذوب برف، با استفاده از مدل هیدرولوژیکی srm‌ و مقایسه نتایج با مدل‌های شبکه عصبی مانند شبکه عصبی مصنوعی و مدل استنتاج فازی عصبی تطبیقی است. جهت تحقق این هدف، حوضه آبریز سد کارده، واقع در شمال شهرستان مشهد مورد بررسی و مطالعه قرار گرفت. داده‌های جریان، بارندگی و دمای در محل ایستگاه‌های هیدرومتری، باران‌سنجی و تبخیرسنجی منطقه (مربوط به سال آبی 1379-1380) و تغییرات سطح پوشش برف از طریق پردازش تصاویر ماهواره‌ای و با استفاده از شاخص نرمال شده تمایز برف بدست آمد. شبیه‌سازی جریان با استفاده از مدل‌های srm، ann از نوع پرسپترون چند لایه با ساختار الگوریتم پس انتشار خطا و مدل anfis از نوع سوگنو انجام شد. برای ارزیابی کارایی مدل‌ها علاوه بر آماره هایی نظیر میانگین مربعات خطا و معیار درصد میانگین مطلق خطا از معیارهای ضریب تبیین و تفاضل حجمی نیز استفاده گردید. نتایج نشان داد هر سه مدل از نظر پارامترهای آماری میانگین مربعات خطا و ضریب تبیین تقریباً وضعیت مشابهی داشته و اختلاف ناچیزی دارند. بطوری که مدل srm نسبتاً توانسته روند تغییرات دبی روزانه را با کیفیت بهتری مدل‌سازی نماید. اما در مقایسه میزان درصد میانگین مطلق خطای بین سه مدل، مدل anfis نسبت به مدل شبکه عصبی مصنوعی به میزان 40 درصد و نسبت به مدل srm به میزان 15 درصد خطای حاصل از فرآیند شبیه سازی را کاهش داده است و از نظر تفاضل حجمی، دو مدل ann و anfis نسبت به مدل srm وضعیت بهتری داشته و مقدار این پارامتر برای هر دو مدل پائین بوده است.