fa تأثیر بارش‏ نقطه‏ای و منطقه‏ای در برآورد رواناب حوضه بالخلوچای تخصصي Special پژوهشي Research چکیده در دهه‏های اخیر به دلیل اهمیت فرآیند بارش-رواناب توسعه مدل‏های مناسب برای تخمین رواناب از روی داده‏های بارش به مسأله ضروری تبدیل شده است. بارش یکی از مهم‌ترین داده‏های ورودی به سیستم‏های هیدرولوژیکی محسوب می‏شود که به دو صورت بارش منطقه‏ای و بارش نقطه‏ای در نظر گرفته می‏شود. برای مدل‏سازی فرآیند بارش- رواناب از مدل‏های هوشمندی که با پارامتر‏های ورودی و خروجی عملیات نگاشت را انجام می‏دهند و نتایج حاصل از دقت و صحت مناسبی برخوردار است، استفاده می‏شود. در این تحقیق برای تخمین رواناب خروجی حوضه بالخلوچای واقع در غرب استان اردبیل از مقادیر بارش پیشین و دبی پیشین تا سه روز قبل استفاده شده و بارش نیز در دو حالت بارش منطقه‏ای و بارش نقطه‏ای که مربوط به بارش 6 ایستگاه باران‏سنجی بوده، در نظر گرفته شده است. به منظور برآورد بارش–رواناب در حوضه بالخلوچای از مدل‏های هوشمند شبکه عصبی مصنوعی (ANN) و برنامه‏ریزی ژنتیک (GP) و سیستم استنتاج عصبی–فازی تطبیقی (ANFIS) استفاده گردیده و نتایج توسط معیار‏های ارزیابی مقایسه شده است. مقدار ضریب تعیین (R2)، جذر میانگین مربعات خطا (RMSE) و ضریب نش‏ساتکلیف (N-S) مربوط به دقیق‏ترین مدل‌های بارش منطقه‏ای برای داده‏های آزمون به ترتیب 854/0، 573/0، 935/0 و در دقیق‏ترین مدل بارش نقطه‏ای برای داده‏های آزمون به ترتیب 852/0، 578/0، 932/0 می‏باشد. با توجه به نتایج حاصل از معیار‏های ارزیابی یاد شده، به دلیل بیش‌تر بودن ضرایب تعیین و نش‏ساتکلیف و هم‌چنین کم‌تر بودن مقدار جذر میانگین مربعات خطای بارش منطقه‏ای نسبت به بارش نقطه‏ای، بارش منطقه‏ای دارای نتایج دقیق‏تری نسبت به بارش نقطه‏ای می‏باشد. Abstract During recent decades, because of the importance of the rainfall-runoff process, developing suitable models to estimate the runoff from the rainfall data has become an important issue. Rainfall is considered as one of the most important input data in hydraulic systems, which is considered to have two types: spot and regional. In order to model the rainfall-runoff process, intelligent models, which do the mapping task using the input and output data and have accurate results, are used. In this study, in order to estimate the output runoff from the Balkhlouchay basin located on the west of Ardebil Province, the amounts of previous rainfalls and discharges till three days earlier are used, and the rainfall also is considered in two types of regional and spot which is related to 6 rain-measurement stations. In order to estimate the rainfall-runoff in the Balkhlouchay basin, intelligent models, artificial neural network(ANN) , genetic programming (GP) and adaptive neuro fuzzy inference system (ANFIS) are used. and The results were compared using evaluation criterion. The amount of the coefficient of determination, root mean squared error and the Nash–Sutcliffe efficiency coefficient for ther egional rainfall test data are 0. 854, 0. 573, 0. 935 respectively. In the most accurate model for the spot rainfall in the test data the mentioned values are 0. 852, 0. 578 ,0. 932. The results of this study show that the regional rainfalls have better results compared to the spot rainfall. کلید واژه‌ها: بارش- رواناب, بارش منطقه‏ای, بارش نقطه‏ای, حوضه بالخلوچای, مدل‏های هوشمند. Keywords: Rainfall-Runoff, Regional Rainfall, Spot Rainfall, Balkhlouchay Basin, Intelligent Models. 181 197 http://geographical-space.iau-ahar.ac.ir/browse.php?a_code=A-10-601-3&slc_lang=fa&sid=1 فرزان مهاجری : farzan_mohajery@ yahoo.com 10031947532846005666 10031947532846005666 Yes کارشناس ارشد عمران، گرایش آب دانشگاه آزاد تهران مرکزی. سید مهدی ثاقبیان 10031947532846005667 10031947532846005667 No مربی، دانشگاه آزاد اسلامی واحد اهر، گروه مهندسی عمران محمدعلی قربانی 10031947532846005668 10031947532846005668 No دانشیار، دانشگاه تبریز دانشکده کشاورزی گروه مهندسی آب صابره دربندی 10031947532846005669 10031947532846005669 No استادیار، دانشگاه تبریز دانشکده کشاورزی گروه مهندسی آب اسماعیل اسدی 10031947532846005670 10031947532846005670 No استادیار، دانشگاه تبریز دانشکده کشاورزی گروه مهندسی آب