ارزیابی و مقایسه روش شبکه عصبی مصنوعی و نرم افزارHEC-HMS در شبیه سازی آبنمود بارش- رواناب در حوضه آبخیز معرف کسیلیان

فرایند بارش- رواناب یک پدیده ی کاملا« پیچیده و غیرخطی در آبشناسی و منابع آب می باشد. در سالهای اخیر، شبکه های عصبی مصنوعی کاربرد گسترده ای را در شبیه سازی روابط غیرخطی و پیچیده مانند رابطه ی بارش-رواناب پیدا کرده است. دراین تحقیق، به منظور شبیه سازی آبنمود بارش-رواناب در حوضه ی آبخیز معرف کسیلیان از روش شبکه ی عصبی مصنوعی (با ساختار7-10-9) و نرم افزار HEC-HMS استفاده گردید. به منظور آموزش بهتر نرم افزار شبکه ی عصبی مصنوعی داده های بارندگی بر اساس الگوی زمانی، مطابق با توزیع بارندگی هاف، به چهار گروه تقسیم شدند. به طورکلی نتایج این تحقیق نشان دادند که محدوده ی قدرمطلق درصد خطای نسبی فراسنج های QP، TP، Tb، 75w،50w، 50T و 75T شبیه سازی شده به وسیله ی شبکه عصبی به ترتیب 97/51-02/0، 23/41- 55/0، 07/54- 26/0، 62/202- 23/0، 88/69- 52/0، 07/82- 21/2 و 76/57- 42/2 می باشند، در حالی که با شبیه سازی به وسیله ی نرم افزار HEC-HMS این حدود به ترتیب 53/756- 58/0، 250-0، 18/141-0، 575-84/2، 86/167-93/0، 350-33/3 و 67/266-2 محاسبه شده اند. با توجه به درصد خطای نسبی مربوط به فراسنج های خروجی هر واقعه می توان نتیجه گرفت که شبکه ی عصبی در اکثر موارد تمامی فراسنج ها و شکل کلی آبنمود را به خوبی و با خطای ناچیزی نسبت به نرم افزار HEC-HMS شبیه سازی نموده است، البته در بعضی موارد، نرم افزار HEC- HMS توانسته است که شبیه سازی بده اوج آبنمود، زمان پایه و شکل کلی آن را به خوبی، یا به ندرت دقیقتر از شبکه ی عصبی انجام دهد.