شبیه سازی فرآیند بارش رواناب در حوزه آبخیز ناورود با مدل ولترای مرتبه محدود و شبکه های عصبی مصنوعی

در این تحقیق، مدل سازی فرآیند غیرخطی بارش رواناب با استفاده از مدل خطی ولترا انجام می شود. بدین منظور، داده های بارش و رواناب همزمان مربوط به پانزده رویداد از حوزه آبخیز ناورود واقع در شمال کشور جمع آوری گردیده و به ترتیب 70 % و 30 % رویدادها برای آموزش و تست مدل بکار برده شدند. در نهایت، عملکرد مدل ولترا با شبکه عصبی پرسپترون چند لایه و با استفاده از پنج معیار عملکرد مختلف مورد مقایسه قرار گرفت. نتایج نشان داد که مدل هوشمند شبکه عصبی از توانایی بالاتری نسبت به مدل ولترا در پیش بینی های رواناب حوزه آبخیز ناورود برخوردار بود. بطور کلی، مدل خطی ولترا همانند سایر مدل های خطی درشبیه سازی فرآیند غیرخطی بارش رواناب کارآیی بالایی نداشته و نیاز به تعمیم مدل به مرتبه های بالاتر و کاهش تعداد پارامترهای قابل تخمین آن می باشد.

Rainfall-Runoff Simulation in the Navrood River basin using Truncated Volterra Model and Artificial Neural Networks

This study evaluates the performance of the linear firstorder Volterra model for simulating nonlinear rainfallrunoff process. For this end, fifteen storm events over the Navrood River basin were collected. 70% and 30% of the events were used to calibrate and test the suitability of the model. Finally, the performance of the model was compared with the artificial neural networks (multilayer perceptron (MLP)) using five performance criteria namely coefficient of efficiency, root mean square error, error of total volume, relative error of peak discharge and error of time for peak to arrive. Results indicated that the intelligent MLP models outperformed the Volterra model. The linear Volterra model was not more effective in simulating the rainfallrunoff process. It needs to be extended to higher orders and also the number of the parameters should be reduced.