شبیه سازی فرآیند بارش - رواناب با بکار گیری مدل hec-hms و مقایسه آن با مدل شبکه عصبی مصنوعی (مطالعه موردی: حوضه آبریز قره آقاج)

برآورد رواناب حاصل از بارندگی در یک حوضه ی آبریز از جهات گوناکون، از جمله مدیریت سدها و مخازن، طراحی سازه های کنترل و تنظیم سیلاب، کنترل فرسایش و غیره، از دیر باز مورد توجه هیدرولوژیست ها بوده است. فرآیند تبدیل بارندگی به رواناب فرآیندی است کاملا غیر خطی و از حیث زمانی و مکانی نیز پدیده ای کاملا تصادفی می باشد و لذا تشریح آن با مدل های ساده به راحتی امکان پذیر نیست. تاکنون مدل های بی شماری جهت تشریح پیچیدگی های فرآیند شبیه سازی بارش به رواناب در پژوهش های گوناگون، پیشنهاد گردیده است بطوریکه یکی از این مدل ها، مدل hec-hms می باشد. همچنین از روش های نوین در شبیه سازی فرآیند تبدیل بارش به رواناب، بکارگیری مدل شبکه عصبی مصنوعی می باشد. این روش که یکی از شاخه های هوش مصنوعی به شمار می آید، به دلیل ساختار ریاضی کاملاً غیرخطی آن، در حوضه ی علوم و مهندسی آب، رواج یافته است. تحقیق حاضر نیز به مقایسه ی دو مدل یادشده در شبیه سازی فرآیند تبدیل بارش به رواناب پرداخته و در این راستا از داده های آبدهـی سالیانه ی حوضه آبریز رودخانه ی قـره آقاج، که در نیمه ی جنوبی استان فارس واقع گردیده، استفاده شده است. پس از تکمیل فرآیند مدلسازی و بررسی های به عمل آمده، جهت گزینش پارامترهای شبکه، از معیارهای محاسبه پارامتر خطا که مشتمل بر آزمون های mae ، rmse، me، gmerو gsder، بودند استفاده و همچنین جهت بررسی همبستگی میان مقادیر آبدهی مشاهداتی و تخمین زده شده توسط مدل، از آماره های r، sds، sdm، sdsd، lscو msd، استفاده بعمل آمده است. نتایج بدست آمده از این تحقیق نیز حاکی از آن بود که مدل شبکه عصبی مصنوعی در مقایسه با مدل hec-hms، نتایج موفقیت آمیز و قابل قبول تری را در شبیه سازی شکل کلی هیدروگراف رواناب بدست می دهد. در ادامه توسط مدل hec-hms، هیدروگراف سیل برای دوره های بازگشت مختلف و همچنین به ازای حداکثر بارش محتمل و بارش طراحی شبیه سازی گردید. نتایج آنالیز حساسیت مدل hec-hms نیز نشان داد که در تخمین دبی اوج و همچنین حجم سیلاب، حساسیت مدل در برابر تغییرات cn که رابطه ی مستقیم با رطوبت اولیه ی خاک دارد، نسبت به تغییرات نفوذ اولیه و زمان تأخیر بیشتر می باشد. در تخمین زمان مشاهده ی رسیدن به دبی اوج سیلاب نیز، عامل مهم وضریب حساسیت مدل زمان تأخیر حوضه تشخیص داده شد. در بررسی شدت سیل خیزی حوضه نیز مشخص گردید که در تشکیل دبی اوج حوضه آبریز مورد مطالعه در مجموع، سهم حوضه ی میانی بیشتر بوده است ولی چنانچه پتانسیل تولید سیل با توجه به سهم هر متر مربع از سطح زیر حوضه ها در شکل گیری دبی اوج حوضه مورد بررسی قرار گیرد، مشخص می شود که در واحد سطح زیرحوضه میانی، برای تولید رواناب، مستعدتر خواهد بود. واژگـان کلیـدی: شبکه عصبی مصنوعی ، مدلسازی بارش - رواناب ، مدل hec-hms ، حوضه ی آبریز قـره آقـاج