شبیه سازی فرآیند بارش- رواناب با استفاده از شبکه عصبی مصنوعی در حوزه آبخیز کورکورسر نوشهر

براي برنامه ريزي شهري، کاربري اراضي و مديريت منابع آب حوزه آبخيز فراهم آورد که نقش پيش بيني صحيح پديده هاي هيدرولوژيک، مانند فرآيند بارش- رواناب مي تواند اطلاعات موثري مهمي در کاهش اثرات سيلاب و خشکسالي بر سيستم هاي منابع آب دارد. هدف از اين تحقيق بررسي کارايي مدل شبکه عصبي مصنوعي در شبيه سازي فرآيند بارش- رواناب و شناسايي تاثير رواناب به عنوان ورودي در کارايي مدل بوده است. نتايج نشان مي دهد که مدل MLP با مقدار RMSE برابر 0.01105، مقدار ضريب کارايي ناش ساتکليف برابر 0.72883 و ضريب همبستگي برابر 0.85728، با خطاي کم و همبستگي دقت و کارايي بالا مي تواند فرآيند بارش- رواناب را مدل سازي و پيش بيني کند. ترکيب هايي که رواناب را نيز به عنوان ورودي دارند نسبت به ترکيب هايي که فقط بارش را به عنوان ورودي لحاظ مي کنند کارايي بيشتري داشتند. بهترين پيش بيني با ترکيب (بارش روز جاري، بارش روز قبل، دبي روز قبل، دبي دو روز قبل و دبي سه روز قبل) انجام مي شود و در صورت نبود داده هاي دبي، ترکيب (بارش جاري و بارش روز قبل) نيز به طور قابل قبولي مي تواند دبي خروجي را پيش بيني کند.