منطقه‌بندی حوزه‌های آبخیز با استفاده از ترکیب نگاشت‌های خود سازمانده و الگوریتم فازی c-means

روش‌­های تحلیل خوشه­‌ای گونه­‌ای از کارآمدترین روش­‌های منطقه­‌بندی حوزه­‌های آبخیز به­‌منظور انجام تحلیل فراوانی منطقه­‌ای سیلاب هستند. منطقه­‌بندی فازی، نوعی منطقه­‌بندی است که در آن هر یک از سایت­‌های مورد مطالعه می‌تواند هم­زمان به بیش از یک منطقه اختصاص یابد. به­‌منظور اجرای منطقه­‌بندی فازی، گونه­‌ای از الگوریتم­‌های تحلیل خوشه­‌ای به­‌نام الگوریتم­‌های خوشه­‌بندی فازی به­‌کار گرفته می­‌شوند که مرسوم­‌ترین آن­‌ها الگوریتم خوشه­‌بندی فازی c-means است. همچنین، نگاشت­ه‌ای مشخصه خود­ سازمانده، یکی از انواع شبکه­‌های عصبی مصنوعی هستند که در زمینه­‌های تشخیص الگو کاربرد قابل توجهی پیدا کرده­‌اند. قابلیت این نوع از شبکه­‌ها در تشخیص الگو و خوشه­‌بندی داده­‌ها با استفاده از ویژگی­‌های آن­‌ها موجب شده است که عده­‌ای از محققان علم هیدرولوژی به آزمودن توانایی این نگاشت­‌ها در زمینه منطقه­‌بندی حوزه­‌های آبخیز به­‌منظور اجرای تحلیل فراوانی منطقه­‌ای روی آورند. در مطالعه حاضر از نگاشت­‌های خود ­سازمانده برای تعیین مراکز اولیه خوشه­‌ها در الگوریتم فازی c-means به­‌منظور منطقه­‌بندی حوزه آبخیز سفیدرود بزرگ استفاده شده است. نتایج به­‌دست آمده در این پژوهش نشان داد که این روش در حوزه مورد مطالعه، از نظر تشکیل مناطق همگن و ارایه برآورد­های مناسب در تحلیل فراوانی منطقه­‌ای سیلاب با استفاده از الگوریتم گشتاور­های خطی، عملکرد قابل قبولی دارد. افزون بر این، مشاهده شد که استفاده از خوشه­‌بندی فازی می‌تواند برآورد­های قابل اعتماد سیلاب را برای دوره­‌های بازگشت طولانی­‌تر امکان­‌پذیر کند. همچنین، بر اساس شاخص­‌های صحت خوشه­‌بندی فازی به نظر می­‌رسد که تعداد دو یا سه منطقه برای اجرای تحلیل فراوانی منطقه­‌ای در این آبخیز مناسب است.