کاربرد و مقایسه مدل های مفهومی برای تحلیل مدل بندی منطقه ای سیلاب (در حوضه های کوهستانی)

رخدادهای طبیعی چون سیل از مشکلات بشر درگذشته و حال می باشد و همواره مورد توجه هیدرولوژیست ها بوده است. یکی از مهمترین پارامترهای هیدرولوژیکی در طراحی سازه های آبی تعیین سیلاب طرح می باشد گاهی به دلیل عدم وجود ایستگاه های اندازه گیری و یا همچنین کمبود آمار مورد نیاز در محل احداث سازه های آبی نمی توان به دبی طراحی دسترسی داشت. ازمتداولترین روش های برآورد سیلاب در مناطق فاقد آمار می توان به بکارگیری فرمول های تجربی، ساختن هیدروگراف مصنوعی، روش شبیه سازی، روش های آماری و روش سیلاب شاخص اشاره کرد. در کنار روش های موجود، روش تحلیل منطقه ای سیلاب را می توان به عنوان راه حلی مناسب در برآورد سیلاب در مناطق فاقد آمار پیشنهاد نمود. در روش آنالیز منطقه ای سیلاب می توان بین برخی از خصوصیات حوضه آبریز و حداکثر دبی لحظه ای روابطی را به دست آورد که با استفاده از آنها سیلاب های آن حوضه را پیش بینی نمود. پیچیدگی و تأثیر عوامل و پارامترهای مختلف حوضه در برآورد سیلاب، موجب شده تا روش های تحلیلی و ریاضی در حوضه های فاقد آمار کارایی نداشته و از دقت پایین برخوردار باشند. با توجه به عوامل ذکر شده، مشخص می گردد که به ابزاری دقیق جهت ارائه یک مدل منطقه ای برای حوضه آبریز نیاز است در این شرایط، مدل های مفهومی بهترین گزینه به شمار می آیند. با توجه به این که شبکه های عصبی مصنوعی دو ویژگی اساسی یادگیری بر اساس ارایه ی داده های تجربی و ساختارپذیری موازی را دارند، یکی از مهم ترین روش های هوش مصنوعی می باشند که در آن با الهام گیری از مغز انسان، ضمن اجرای فرآیند آموزش، اطلاعات مربوط به داده ها درون وزن های شبکه ذخیره می شوند. در این پژوهش با هدف طراحی شبکه ای جهت شبیه سازی مشخصات حوضه ها به منظور پیش بینی دبی حداکثر سیلاب، زیرحوضه جنوبی حوضه آبریز دریاچه ارومیه به 19 حوضه هیدرولوژیک تقسیم گردید و 9 پارامتر از مشخصات فیزیوگرافیک حوضه به عنوان ورودی های شبکه و حداکثر دبی سیلاب به عنوان تنها خروجی آن با استفاده از نقشه های gis از زیرحوضه ها استخراج گردید سپس آرایش های مختلف شبکه های عصبی مصنوعی با روش پس انتشار برای آموزش و آزمایش شبکه مورد استفاده قرار گرفت. پس از تخمین تعداد تقریبی نرون های مورد نیاز در هر لایه پنهان معماری های مختلف شبکه با الگوریتم پس-انتشار خطا و توسط توابع آموزشی مختلف در محیط نرم افزار آموزش دیده و آزمایش شدند و بهترین شبکه پیش بینی سیلاب با استفاده از آماره های ریشه میانگین مربعات خطا (rmse) و ضریب همبستگی (r2)برای دبی با دوره بازگشت های مختلف انتخاب گردید. در پایان با استفاده از آنالیز حساسیت به ارزیابی تأثیر پارامترهای ورودی در پیش بینی سیلاب پرداخته شد تا ورودی های کم اثر در خروجی شبکه مشخص گردد سپس ورودی های یاد شده حذف و شبکه ای جدید برای پیش بینی دبی حداکثر سیلاب 100 ساله از میان شبکه های مختلف آزمایش شده با ورودی های به جا مانده با معماری مناسب انتخاب گردید. به منظور ارزیابی بهتر نتایج حاصل از شبکه عصبی مصنوعی از مدل رگرسیونی نیز برای پیش بینی سیلاب با دوره بازگشت های مختلف استفاده شد. نتایج حاصل از مقایسه این دو مدل بیانگر دقت بسیار بالای شبکه عصبی مصنوعی در پیش بینی دبی حداکثر سیلاب با دوره بازگشت های مختلف در زیرحوضه جنوبی حوضه آبریز دریاچه ارومیه می باشد. در این تحقیق صرفاً به دلیل قرار گرفتن منطقه مورد مطالعه(حوضه آبریز دریاچه ارومیه) در ناحیه کوهستانی نام مدل بندی منطقه ای سیلاب در حوضه های کوهستانی برای پژوهش انتخاب گردیده است و کلیه مراحل و مطالعات صورت گرفته در این پژوهش قابل بسط به سایر حوضه ها می باشد.