چکیده مقاله
یکی از چالشها و اهداف عمده در هیدرولوژی مهندسی تعیین یک مدل بارش رواناب مناسب جهت مشخص کردن پاسخ حوضه نسبت به یک بارش مشخص با استفاده از پارامترهای موجود در مدل است پاسخ حوضه تابعی از مشخصات حوضه آبریز و مقادیر پارامترهای مدل است در پژوهش حاضر برای مدلسازی فرایند بارش رواناب در سطح حوضه آدینان با بهره گیری از داده های مشاهده ای از مدل HEC HMS و روش شبکه های هوشمند شبکه عصبی مصنوعی ANN استفاده شد و مورد بررسی قرار گرفت مقادیر رواناب برآورد شده از مدل HEC HMS و مدل های هوشمند عصبی مقایسه گردید در این تحقیق عملکرد مدل ها از معیارهای عملکرد شامل ضریب همبستگی R2 میانگین مربعات خطا RMSE و Nash sutcliffe استفاده شد با بررسی عملکرد مدل HEC HMS ضریب همبستگی در مرحله واسنجی و صحت سنجی 0/73 و 0/72 به دست آمد همچنین معیار NASH و RMSE به ترتیب در دو مرحله واسنجی و صحت سنجی 0/736 و 15/81 و 0/713 و 10/89 به دست آمد شبکه ی عصبی مصنوعی با الگوریتم پس از انتشار خطا در بهترین ساختار خود میانگین مربعات خطای مدل در مراحل مختلف آزمایش، صحت سنجی و آزمون به ترتیب 0/41 و 0/79 و 0/53 و ضریب همبستگی 0/98 و 0/98 و 0/96 می باشد که نشان از همبستگی بالا و معنی داری بین مقادیر مشاهده ای و مقادیر پیش بینی دارد در نتیجه میان دو روش مقایسه عملکرد شبکه و مدل به کار رفته شده نشان می دهد که دقت ANN بیشتر از HEC HMS است
کلیدواژه‌ها
نویسندگان
سیروان نیلی
دانشجوی کارشناسی ارشد مهندسی عمران آب دانشگاه کردستان
سید امیر حسینی
دانشجوی کارشناسی ارشد مهندسی عمران آب دانشگاه کردستان
جمیل بهرامی
استادیار دانشکده فنی و مهندسی دانشگاه کردستان
کامران چپی
استادیار دانشکده کشاورزی دانشگاه کردستان
شیوه ارجاع
نیلی، سیروان و حسینی، سید امیر و بهرامی، جمیل و چپی، کامران،1395،مدلسازی بارش رواناب با استفاده از شبکه عصبی مصنوعی و مدل HEC-HMS و ارزیابی آنها (مطالعه موردی: حوضه آبخیز آدینان سقز)،ششمین کنفرانس ملی مدیریت منابع آب ایران،سنندج
ارائه‌شده در
مجموعه مقالات ششمین کنفرانس ملی مدیریت منابع آب ایران1 اردیبهشت 1395 · سنندج