1- دانشگاه آزاد اسلامی 2- گروه معماری، دانشگاه آزاد اسلامی واحد میانه، میانه، ایران 3- دانشگاه تبریز
چکیده: (4516 مشاهده)
شبیه‌سازی فرآیند بارش-رواناب گامی موثر در مدیریت منابع آب، آبخیزداری، بحران کمبود آب و کنترل سیلاب می باشد. پیچیدگی ذاتی فرآیند بارش-رواناب، تغییرات زمانی–مکانی و عوامل موثر بر آن، شبیه‌سازی با مدل‌های فیزیکی و یا هیدرولوژیکی را مشکل می‌نماید. لذا در سال‌های اخیر روش‌های فراکاوشی همچون ماشین بردار پشتیبان، برنامه‌ریزی بیان ژن و شبکه‌های عصبی مصنوعی کاربرد گسترده‌ای در مطالعات هیدرولوژی و به طور کلی پدیده‌هایی که رابطه مشخصی برای آن‌ها وجود ندارد، پیدا کرده است. حوضه آبریز اهرچای واقع در شمال غرب کشور، بدلیل تامین آب شرب، کشاورزی و صنعت نقش بسزائی در توسعه منطقه دارد. در این مقاله به ارزیابی مدل‌های ماشین بردار پشتیبان، برنامه‌ریزی بیان ژن و شبکه‌های عصبی مصنوعی در شبیه‌سازی فرآیند بارش-رواناب حوضه آبریز اهرچای در محل ایستگاه‌های هیدرومتری تازه‌کند، رواسجان، اشدلق، برمیس، اورنگ و کاسین پرداخته شده است. به منظور تعیین ترکیب ورودی مدل‌‌ها، پس از تهیه لیستی از متغیرهای مستقل مرتبط با رواناب هر ایستگاه، به انتخاب ورودی‌های مناسب با استفاده از دو معیار همبستگی خطی پیرسون و اطلاعات متقابل جزئی پرداخته شده و ترکیب‌های ورودی بدست آمده با استفاده از هر معیار، در شبیه‌سازی بارش-رواناب حوضه آبریز اهرچای در محل ایستگاه‌های هیدرومتری مورد بررسی قرار گرفته است. نتایج حاکی از دقت مناسب مدل‌های ماشین بردار پشتیبان و برنامه ریزی بیان ژن، و برتری نسبی مدل شبکه عصبی مصنوعی می‌باشد. در تعیین متغیرهای ورودی نیز معیار همبستگی خطی پیرسون، بهترین نتایج را به همراه داشته و یا به بهترین نتایج نزدیک بوده است.
