مدلهاي بارش - رواناب بهعنوان جزئي از سيستمهاي پيشبيني سيلاب ميباشند . در يك چنين سيستمهايي، يك مدل بارش - رواناب ممكن است بر اساس دقت، آشنايي كاربر با آن، سادگي استفاده از آن، نوع حوضه و يا اطلاعات در دسترس انتخاب شود . تا به امروز مدلهاي بارش - رواناب فراواني با قابليتها و پيچيدگيهاي متفاوتي ساخته و به كار برده شدهاند . اما عليرغم وجود مدلهاي فراوان، ظهور مرتب مدلهاي جديد نشان ميدهد كه هنوز يك چنين مدل فوق العادهاي ساخته نشده است . بهعنوان يك راهحل، ميتوان به جاي تكيه بر تنها يك مدل، از روش تركيب نتايج حاصل از مدلهاي بارش - رواناب مختلف استفاده كرد . در اين تحقيق با استفاده از اطلاعات بارندگي، رواناب دو حوضه رودخانههاي نورثفورك و ساوثفورك در ايالت كاليفرنياي آمريكا و با استفاده از تركيب نتايج حاصل از مدلهاي بارش - رواناب به پيشبيني دبي سيلاب پرداخته شد . مدلهاي بارش - رواناب SVRCو LVGFM ،LPM ،SLM بدين منظور انتخاب شدند . همچنين به منظور تركيب نتايج حاصل از مدلهاي بالا از روشهاي تركيبي متوسطگيري ساده، رگرسيون خطي و غيرخطي و شبكه - هاي عصبي مصنوعي استفاده شد . در زمان تركيب نتايج مدلهاي بارش - رواناب مختلف با استفاده از شبكههاي عصبي، از الگوريتم پسانتشار خطا ) ) BP جهت آموزش و تست شبكه بهره برده شد . نتايج حاصله نشان داد كه دبي سيلاب پيشبيني شده با استفاده از روشهاي تركيبي، داراي ميزان خطاي كمتر و همبستگي بالاتري نسبت به تك تك مدلهاي بارش - رواناب بود . در ميان اين روش - هاي تركيبي، شبكههاي عصبي و رگرسيون غيرخطي نتايج بهتري را ارائه دادند .

كلمات كليدي:

مدلهاي بارش - رواناب، روشهاي تركيبي، شبكههاي عصبي مصنوعي