مقایسه مدل های مختلف شبکه عصبی مصنوعی در برآورد ضریب رواناب در حوزه آبخیز راسک- سرباز

در علوم مهندسی منابع آب و هیدرولوژی شناخت و تحلیل و تغییرات بارندگی و رواناب سطحی از نیازهای اساسی محسوب می شود. برآورد رواناب حاصل از بارندگی در یک حوزه آبخیز از جهات گوناگون دارای اهمیت می باشد. در پژوهش حاضر با بهره گیری از داده های مشاهده ای کاربرد شبکه عصبی مصنوعی در برآورد ضریب رواناب بررسی شد. منطقه مورد مطالعه حوزه آبخیز راسک - سرباز می باشد. داده های مربوط به 33 واقعه بارندگی و رواناب اتفاق افتاده در بین سال های 1386 تا 1391 جمع آوری گردید. از جمله خصوصیاتی که از باران نمودها به عنوان متغیر مستقل ورودی مدل استخراج شد شامل شدت متوسط بارندگی، مجموع بارندگی 5 روز قبل و شاخص (ϕ) بود. با استفاده از این شاخصها و ترکیبات مختلف آنها در لایه ورودی، شبکه های مختلفی اجرا شد. شبکه عصبی مصنوعی مورد استفاده با الگوریتم های یادگیری آموزشی لونبرگ- مارکوارت و الگوریتم های یادگیری آموزشی رزیلینت و تابع محرک تانژانت سیگموئید آموزش دیده و با ورودی های مختلف اجرا شد. نتایج نشان داد که شبکه عصبی مصنوعی با چارک های اول تا چهارم شدت بارندگی، مدت و مقدار بارندگی، شاخص (ϕ)، و بارندگی 5 روز قبل با الگوریتم های یادگیری آموزشی لونبرگ - مارکوارت با تابع محرک تانژانت سیگموئید می تواند ضریب رواناب رگبار را در حوزه راسک - سرباز با ضریب تعیین آزمایش 0/98 و جذر میانگین مربعات خطا 0/032 و متوسط قدر مطلق خطا 0/024 پیش بینی کند. بنابر تعریف ضریب تعیین آزمایش بالاتر 0/75بوده و در نتیجه نتایج شبیه سازی شده در حد عالی قابل اطمینان می باشد همچنین جذر میانگین مربعات خطا نسبتاً پایین بوده که حکایت از صحت و دقت نتایج اندازه گیری شده (مدل عصبی) دارد به طور کلی می توان استفاده از این مدل را به منظور برآورد ضریب رواناب در حوضه آبخیز راسک - سرباز و حوضه های مشابه آن توصیه نمود.