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 72/306 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/s920/0 وm3/s  346/0 و هم‌چنین مدل شبکه عصبی مصنوعی با   R2و RMSE برابر با m3/s 959/0 و m3/s 310/0 توانایی شبیه‌سازی جریان رودخانه بار اریه را دارند. هم‌چنین استفاده از مدل شبکه عصبی مصنوعی موجب کاهش خطای برآورد رواناب حوضه به مقدار 6/11 درصد در مقایسه با مدل WetSpa شده است.