تخمین هیدروگراف بر اساس اجزای مختلف بارندگی با استفاده از شبکه عصبی-فازی تطبیقی در حوزه آبخیز کسیلیان

محدودیت های مختلف نظیر کافی نبودن ایستگاه های هیدرومتری، مشکل بودن جمع آوری داده های هیدرومتری همراه با هزینه بر بودن جمع آوری آمار و اطلاعات مشاهده ای ایجاب می کند که برای تخمین آب نمود سیلاب از مدل های هیدرولوژیکی استفاده نمود. با توجه به دسترسی آسان و بیشتر به آمار بارندگی، تهیه مدل هیدرولوژی مبتنی بر مشخصه ها و اطلاعات بارندگی بسیار کاربردی و منطقی به نظر می رسد. منطقه مورد مطالعه حوزه معرف کسیلیان واقع در استان مازندران و به مساحت 75/66 کیلومتر مربع می باشد. برای انجام تحقیق حاضر 15 ویژگی از باران نمود به عنوان متغیر مستقل، 11 ویژگی از آب نمود و 12 ویژگی زمانی رابط بین آب نمود و باران نمود به عنوان متغیر وابسته برای 60 رگبار از سال 1354 تا 1388 مد نظر قرار گرفت. برای تخمین آب نمود سیل از میان 15 متغیر مستقل چهار عامل زمان وقوع حداکثر شدت 30 دقیقه ای رگبار، مقدار کل بارش، حداکثر شدت 30 دقیقه ای رگبار و بارش مازاد (برای تخمین متغیرهای زمانی به جای بارش مازاد از مدت بارش مازاد استفاده گردید) به عنوان عوامل مهم با استفاده از تحلیل عاملی استخراج شد. با توجه به دقت نامناسب مدل های به دست آمده برای تخمین آب نمود سیل، به منظور انتخاب متغیرهای ورودی علاوه بر روش تجزیه و تحلیل عاملی از عامل تورم واریانس به منظور انتخاب متغیرهایی که دارای کم ترین هم خطی می باشند نیز استفاده گردید. با استفاده از این روش سه متغیر بارش مازاد، شدت متوسط بارندگی و مدت بارش مازاد انتخاب شدند. با استفاده از شبکه عصبی مصنوعی و شبکه عصبی-فازی تطبیقی به مدل سازی آب نمود سیل پرداخته شد. نتایج نشان داد که شبکه عصبی-فازی تطبیقی در مقایسه با شبکه عصبی مصنوعی توانسته است آب نمود سیل را با دقت و کارایی مناسب تری برآورد نماید.