ارزیابی اثر متغیرهای تاثیرگذار بر پیش بینی سیلاب واریزه ای با استفاده از مدل شبکه بیزین

پیش بینی سیلاب واریزه ای جهت کاهش خسارات ناشی از آن از اهمیت ویژه ای برخوردار است. هدف این تحقیق پیش بینی غلظت رسوبات سیلاب (واریزه ای و معمولی) توسط مدل های شبکه بیزین و شبکه عصبی در حوضه های امامه، ناورود و کسیلیان است که به ترتیب در استان های تهران، گیلان و مازندران واقع شده اند. بدین منظور، متوسط ارتفاع، شیب حوضه، مساحت حوضه، بارش فعلی، بارش پیشین (به مدت 3 روز قبل) و دبی 1 روز قبل به عنوان متغیرهای ورودی انتخاب شدند. سپس برای تعیین موثرترین عوامل بر غلظت رسوبات سیلاب، 32 سناریو ارزیابی شد. برای سناریو حاصل از کلیه عوامل منتخب، شاخص های R2</sup> و MAPE در مرحله آزمون، به ترتیب 97/0 و %55/8 برآورد گردید. ارزیابی اثر متغیرهای مختلف نشان داد موثرترین عوامل بر دقت پیش بینی شبکه بیزین به ترتیب ارتفاع حوضه، بارش فعلی، دبی روز قبل، مساحت حوضه و بارش پیشین یک روز قبل می باشند. شاخص های R2</sup> و MAPE برای این سناریو 91/0 و %01/11 است که به دلیل داشتن کمترین تعداد عوامل ورودی و بالاترین دقت به عنوان بهترین سناریو انتخاب گردید. مقایسه عملکرد مدل بیزین با مدل شبکه عصبی نشان داد مدل شبکه بیزین دقت پیش بینی بالاتری دارد. موثرترین عوامل شناسایی شده می تواند برای پیش بینی سیلاب واریزه ای در حوضه های مشابه استفاده گردد.