پيش بيني سيلاب بر پايه تعيين پارامترهاي هيدرولوژيكي حوضه چهل چاي توسط شبكه عصبي

حجم رواناب ايجاد شده در زير¬ حوضه¬ها، مورد توجه پژوهشگران بخش هاي مختلف مديريت منابع آب مي باشد.پيچيدگي و عدم قطعيت در سيستم هاي هيدرولوژيكي، كمبود اطلاعات در بسياري از فرايندهاي هيدرولوژيكي، مبهم و غير صريح بودن اين داده ها استفاده از مدلهاي فيزيكي را مشكل مي¬نمايد. در نتيجه باعث مي شود تا استفاده از آناليز عدم قطعيت در زمينه بارش- رواناب كه از اصلي ترين فرايندهاي هيدرولوژيكي است افزايش يابد. در اين تحقيق با استفاده از شبكه عصبي به پيش بيني رواناب متناظر بارش-هاي حوزه چهل چاي، استان گلستان پرداخته شد. براي بدست آوردن بارندگي روزانه اين حوزه ابريز از Digital Elevation Model استفاده شد. سپس با استفاده از نقشه هاي توپوگرافي، مدل DEM در نرم افزار GIS تهيه و بكمك آن پارامترهاي فيزيوگرافي حوضه بطور دقيق محاسبه گرديده است. با استفاده از DEM مدل رقومي بارندگي در نرم افزار SPSS تهيه شد. براي ارزيابي كارايي شبكه عصبي داده هاي شبيه سازي شده و مشاهده اي مربوط به رواناب ها مقايسه شدند. نتايج نشان داد كه بر پايه قانون آموزش دلتا، شبكه پرسپترون چند لايه (MLP) با تعداد 29 نرون در تنها لايه مياني (پنهان)، فرايند بارش- رواناب را با دقت خوبي شبيه سازي مي نمايد (ضريب همبستگي 91/0).