مقایسه عملکرد مدل مفهومی بیلان آب جزیم با شبکه های عصبی مصنوعی در تخمین رواناب

استفاده از مدل های مفهومی بیلان آب در سال های اخیر یکی از متداول ترین شیوه های تخمین رواناب در حوضه های آبریز بوده است.از سوی دیگر عملکرد مناسب شبکه های عصبی مصنوعی ANN به عنوان یکی از انواع مدل های جعبه سیاه می تواند به عنوان روشی جایگزین برای مدل های بیلان آب محسوب شود.در این مقاله با مقایسه عملکرد مدل بیلان آب جزیم که در سال 1996 توسط آقای عبدالنور جزیم برای حوضه هایی در یمن و اردن توسعه داده شده است با مدل شبکه های عصبی مصنوعی سعی به بررسی دقت و نوع عملرکد این مدل در تخمین رواناب حوضه رودخانه راوند واقع در استان کرمانشاه داریم.این مدل بیلان آب دارای شش پارامتر فرآیندی است که قابل اندازه گیری نمی باشند.این پارامتر ها توسط الگوریتم تجمع ذرات PSO که یک الگوریتم سراسری کمینه سازی است بهینه شدند.این مدل ها در مقیاس زمانی ماهانه برای سه دهه کالیبره شدند.نتایج این شبیه سازی حاکی از عملکرد نسبتا مناسب مدل بیلان آب جزیم در مقایسه با شبکه های عصبی مصنوعی بود.

کلیدواژه ها:

رواناب ، بیلان آب جزیم ، شبکه عصبی مصنوعی ، حوضه راوند