سال انتشار: ۱۳۸۸

محل انتشار: اولین کنفرانس بین المللی مدیریت منابع آب

تعداد صفحات: ۱۱

نویسنده(ها):

نادر پیرمرادیان – استادیار گروه مهندسی آب، دانشکده کشاورزی، دانشگاه گیلان
فرشید صف شکن – دانشجوی کارشناسی ارشد گروه مهندسی آب، دانشکده کشاورزی، دانشگاه آزاد
رضا افشین شریفان – استادیار گروه مهندسی آب، دانشکده کشاورزی، دانشگاه آزاد اسلامی واحد ش

چکیده:

فرآیند بارش-رواناب به عنوان یک پدیده کاملاً پیچیده و غیرخطی در علوم هیدرولوژی و مهندسی آب بوده که مدل‌سازی آن به خاطر عدم قطعیت‌های موجود در عوامل و پارمترهای موثر و تاثیرگذار در آن با مدل‌های رایج بسیار مشکل و حتی در بعضی موارد غیرممکن می‌باشد. در این تحقیق شبیه‌سازی فرآیند بارش-رواناب به منظور تعیین دبی اوج و زمان وقوع آن که دو فاکتور بسیار مهم در طراحی سازه‌های آبی می‌باشد استفاده شده است. در دهه‌های اخیر (۱۹۹۹) مدلهای جدیدی به نام شبکه‌های عصبی مصنوعی در تحقیقات مختلف هیدرولوژی از جمله شبیه‌سازی پدیده بارش-رواناب کاربرد وسیعی پیدا کرده است. در این تحقیق از شبکه عصبی مصنوعی به عنوان یکی از تکنیکهای هوش محاسباتی استفاده شده که قدرت درونیابی قوی و کشف روابط غیرخطی بین مجموعه ورودی‌ها و خروجی‌ها را داراست. شبیه‌سازی فرآیند بارش-رواناب با استفاده از مدل Qnet 2000 انجام شده که شبکه پرسپترون چندلایه با ساختار ۲-۱۰-۸ برای این منظور به عنوان مناسبترین شبکه برگزیده شد. ضریب همبستگی کلی برای مراحل آموزش و آزمون مدل، به ترتیب ۹۴/۰ و ۹۲/۰ در ۷۰۰۰۰ تکرار حاصل شد. همچنین ضرایب همبستگی برای دبی اوج و زمان رسیدن به دبی اوج به ترتیب برابر با ۹۶/۰ و ۹۵/۰ در مرحله آزمون بدست آمد. علاوه بر این، تحلیل حساسیت هرکدام از پارامترهای ورودی بر روی پارامترهای خروجی انجام شد، که مشخص شد مقدار کل بارندگی بیشترین تاثیر را بر روی دبی اوج و زمان وقوع آن دارد.