شبیه سازی فرایند بارش-رواناب با تلفیق روش های HEC-HMS و شبکه عصبی در حوضه آبریز گتوند

بیش از چندین دهه تلاش برای مقابله با سیل و آسیب های آن می گذرد اما به نظر می رسد که علیرغم بهره مندی از فن آوری های نوین، هنوز عوامل ناشناخته ی فراوانی در پیش بینی سیلاب وجود دارد. درک نادرست از فرآیند پویای طبیعت و تغیرپذیری مکانی و زمانی رودخانه شرایط را برای پیش بینی دشوار نموده است. در مقاله حاضر پیش بینی سیلاب با تلفیق مدل بارش رواناب HEC-HMS و شبکه ی عصبی مصنوعی انجام گرفته است. بطوریکه مدل HEC-HMS با ایجاد واقعه های بارش مصنوعی و شبیه سازی فرآیند بارش-رواناب، داده های کافی را برای آموزش شبکه ی عصبی فراهم می نماید. نتایج مدل سازی نشان داد که شبیه سازی پدیده بارش -رواناب بوسیله شبکه عصبی پرسپترون چتد لایه با 6 لایه پنهان بهترین نتیجه را حاصل می نماید. همچنین نتایج حاصل از شبکه عصبی با نتایج حاصل از رگرسیون چند متغیره مقایسه گشت.

کلیدواژه ها:

پیش بینی سیلاب ، شبیه سازی بارش رواناب ، تلفیق شبکه عصبی و HEC-HMS