مقايسه مدل شبكه عصبي مصنوعي با مدل HEC-HMS در شبيه سازي دبي اوج هيدروگراف و زمان وقوع آن در حوضه آبريز معرف كسيليان

در دهه هاي اخير مدل شبكه عصبي مصنوعي (ANN) كاربرد گسترده اي در تحقيقات مختلف هيدرولوژي از جمله شبيه سازي فرآيند بارش رواناب پيدا كرده است. در پژوهش حاضر از مدل شبكه عصبي پرسپترون چند لايه (MLP) با ساختار 7-10-9 براي شبيه سازي هيدروگراف بارش رواناب استفاده شد. همچنين جهت بهبود آموزش و پايداري شبكه عصبي، اطلاعات به چهار گروه تقسيم و محاسبات براي هر گروه انجام گرديد. محاسبات مربوط به شبكه عصبي توسط مدل شبكه عصبي Qnet2000 انجام شد. همچنين از مدل هيدرولوژيكي HMS - HEC جهت مقايسه و سنجش توانايي شبكه عصبي استفاده گرديد. محدوده شاخص قدرمطلق درصد خطاي نسبي (MAPE) پارامترهاي QP و TP شبيه سازي شده براي تمام هيدروگراف ها توسط شبكه عصبي به ترتيب 0/02-51/97 و 41/23-0/55 درصد در حالي كه توسط مدل HMS - HEC اين حدود به ترتيب 756/53 -0/58 و 250-0 درصد مي باشند. به طور كلي در اين تحقيق نتيجه گرفته شد كه شبكه عصبي نسبت به مدل HMS - HEC نتايج موفقيت آميزي در شبيه سازي شكل كلي هيدروگراف رواناب حاصل كرده است. البته مدل - HEC HMS به موازات مدل شبكه عصبي مصنوعي دبي اوج هيدروگراف را در بعضي موارد به خوبي شبيه سازي نموده است.