مدل‌سازي بارش-رواناب با استفاده از مدل HBV و الگوريتم جنگل تصادفي در حوضه آبخيز بازفت

برآورد رواناب حاصل از بارندگي در يك حوضه آبخيز از جهات گوناگون از جمله مديريت مخازن سدها، مديريت منابع آب، تنظيم سيلاب، كنترل فرسايش كناره و بستر رودخانه حائز اهميت مي باشد. در اين مطالعه، از مدل مفهومي HBV و مدل هوش مصنوعي جنگل تصادفي (RF) به منظور شبيه سازي فرايند بارش-رواناب در حوضه آبخيز بازفت در ايستگاه هيدرومتري لندي براي دوره آماري 2010 تا 2017 استفاده شد. براي ارزيابي عملكرد مدل ها، از آماره هاي ضريب همبستگي (r)، ريشه ميانگين مربعات خطا (RMSE)، معيار كارايي نش– ساتكليف (NS)، ميانگين مطلق درصد خطا (MAPE) و ميانگين قدرمطلق خطا (MAE) استفاده شد. مقايسه نتايج مدل مفهومي HBV و مدل RF نشان‌دهنده عملكرد بهتر مدل RF بود. بنابراين، مدل RF با مقادير (r=0.95, NS=0.82, MAPE=9.59, MAE=0.25 و 0.82=NS) به عنوان مدل برتر انتخاب گرديد و اين مدل مي تواند براي كاربردهاي آينده به عنوان يك گزينه جديد براي پيش بيني رواناب در حوضه بازفت مورد استفاده قرار گيرد.