بررسی روش های برآورد هیدروگراف واحد مصنوعی با شبکه عصبی و مدل هیدرولوژکی hec-hms در حوزه آبخیز کن واقع در استان تهران

بررسی هیدروگراف حوزه امکان مطالعه دبی حداکثر سیلاب، حجم سیلاب و میزان ذخیره حوزه پس از قطع بارندگی را فراهم می آورد و در طراحی ابعاد سازه های آبی نقش اساسی دارد. در سال های اخیر تمایل زیادی برای استفاده از شبکه های عصبی مصنوعی (ann) در پیش بینی متغیرهای هیدرولوژیکی بوجود آمده است. کاربرد تکنیک شبکه عصبی مصنوعی محدوده گسترده ای را در زمینه مدیریت منابع آب می پوشاند. از مدلهای دیگری که در مطالعات آبخیزداری و سیلخیزی کاربرد فراوانی دارد مدل (hec-hms) است. این مدل برای شبیه سازی پاسخ رواناب سطحی یک حوزه آبخیز نسبت به بارندگی های معین در حوزه های فاقد آمار جهت تخمین مقادیر سیل طراحی شده است . در این تحقیق سعی گردیده است کارایی دو مدل ذکر شده یعنی شبکه عصبی مصنوعی و مدل hec-hms در برآورد هیدروگراف واحد مورد ارزیابی قرار گیرد. ورودی، داده های بارندگی در مقیاس زمانی 2 و 1ساعته و خروجی هم هیدروگراف واحد خروجی از حوزه کن تهران می باشد. در رابطه با شبکه عصبی مصنوعی، داده ها قبل از ایجاد شبکه، نرمال شده و سپس با استفاده از داده های نرمال، ساختار شبکه طراحی شده و کارایی مدلی از شبکه عصبی به نام پرسپترون چند لایه جهت تخمین هیدروگراف واحد خروجی در ایستگاه سولقان مورد بررسی قرار گرفته است. نتایج نشان می دهد در برآورد هیدروگراف واحد، مدل هیدرولوژیکی hec-hms نسبت به شبکه های عصبی مصنوعی عملکرد بهتری دارد. ضریب همبستگی بین هیدروگراف واحد مشاهده ای و محاسبه شده در مدل hec-hms، 86 درصد است در حالی که در ann غیر از داده های پیک، در تمام ورودیهای مختلف شبکه ضریب همبستگی در مرحله تست، به بالاتر از 63 درصد نرسیده است. مدل hec-hms به دلیل استفاده از پارامترهای فیزیکی و هیدرولوژیکی، هیدروگراف واحد را با واقعیت بیشتری شبیه سازی می کند.