توسعه مدل هیدرولوژیکی جهت شبیه سازی رواناب در دامنه و آبراهه های فرعی (مطالعه موردی: پایگاه سنگانه خراسان رضوی)

براورد رواناب در حوضه های آبخیز، اهمیت زیادی در مدیریت منابع آب دارد. هدف پژوهش حاضر، توسعه مدل بارش – رواناب و تعیین موثرترین پارامترهای تولید رواناب با استفاده از روش های رگرسیون چند متغیره و شبکه عصبی مصنوعی در پلات های آزمایشی پایگاه تحقیقاتی حفاظت خاک سنگانه در استان خراسان رضوی بوده است. بدین منظور از داده های بارش – رواناب 72 رخداد بارندگی در 32 پلات آزمایشی استفاده شده است. سپس روابط رگرسیون چند متغیره بین پارامترهای ورودی ( مقدار بارندگی، شدت بارندگی، وضعیت پوشش گیاهی، سطح پلات و مقدار شیب زمین ) وارتفاع رواناب جمع آوری شده در خروجی پلات های هم سطح، روی یک دامنه، روی دامنه های مختلف و در نهایت کل پلات ها انتخابی ( 10، 20 ، 30 و 40 مترمربع ) ، چند نمونه از پلات های با شرایط یکسان واقع بر روی یک دامنه، پلات های روی دامنه های مختلف و در نهایت کل پلات های منطقه مورد مطالعه، ایجاد گردید. نتایج نشان دهنده اثر مثبت و معنی دار پارامترهای اقلیمی و اثر منفی و معنی دار پارامترهای سطح پلات و پوشش گیاهی بر روی رواناب خروجی است. به نحوی که با افزایش سطح پلات، اثر پارامترهای اقلیمی بر روی رواناب خروجی کاهش یافته است. نتایج بررسی واسنجی و اعتبار سنجی مدل های رگرسیونی ایجاد شده و شبکه های عصبی مصنوعی، نشان می دهد که دقت شبکه های عصبی در تخمین رواناب براوردی، به علت خصوصیات منحصر به فرد در پیش بینی روابط پیچیده، نسبت به مدل های رگرسیونی چند متغیره، بیشتر می باشد. همچنین در دو روش تفاوت چندانی در تعیین پارامترهای موثر بر تولید رواناب وجود ندارد، اما با توجه به بازه-های زمانی و مکانی متفاوت، اولویت بندی پارامترها تغییر کرد که در اکثر حالات پارامترهای اقلیمی، بیشترین اثر را در تولید رواناب داشتند. همچنین مدل های شبکه عصبی مصنوعی پرسپترون چند لایه، پس انتشار خطا و عصبی برگشتی با تابع انتقال سیگموئید، با توجه به آمار ( r2 و rmse )، دقت بالاتری نسبت به سایر شبکه ها دارند.