ارزيابي مدل‌هاي IHACRES و سيستم استنتاج عصبي-فازي در پيش‌بيني رواناب حوزه آبخيز سد كريت در دوره آتي

امروزه افزايش غلظت گازهاي گلخانه­اي در اتمسفر سبب تغيير در مولفه­هاي منابع آب در مقياس جهاني و منطقه­اي شده است. از سوي ديگر پيش­بيني آورد رودخانه در دوره آتي، ابزاري كارآمد در مديريت منابع آب به حساب مي­آيد. در اين پژوهش عملكرد مدل هاي IHACRES و سيستم استنتاج عصبي - فازي (ANFIS) در پيش­بيني رواناب حوضه سد كريت در طبس گلشن مورد بررسي قرار گرفت. داده ورودي به مدل­هاي شبيه­سازي بارش- رواناب IHACRES و مدل سيستم استنتاج عصبي فازي، شامل بارش و دما در مقياس ماهانه است. پس از واسنجي دو مدل در بازتوليد آورد رودخانه مشاهداتي، ارزيابي با استفاده از شاخص­هاي RMSE و NS صورت پذيرفت. در اين تحقيق، 60 درصد داده­هاي بارش، دما و رواناب مشاهداتي براي آموزش و 40 درصد باقيمانده داده­ها براي صحت­سنجي مورد استفاده قرار گرفتند. معيار­هاي ارزيابي RMSE و NS در بخش صحت­سنجي در مدل IHACRES به ترتيب 1/0 و 95/0 و براي مدل ANFIS به ترتيب 05/0 و 52/0 محاسبه شد كه نشان دهنده برتري مدل IHACRES نسبت به مدل سيستم استنتاج عصبي فازي در بازتوليد دبي جريان مشاهداتي در اين مرحله است. پس از مشخص شدن مدل برتر، با استفاده از مدل ريزمقياس نمايي LARS- WG5.0 تحت سناريوي RCP4.5 و خروجي مدل گردش عمومي جو- اقيانوس GISS-E2-R، داده­هاي بارش و دما براي سال­هاي 2022 تا 2051 ريزمقياس گرديد و سپس با مدل برتر، مقادير دبي براي سال‌هاي آينده نزديك برآورد گرديد. براساس نتايج حاصل از شبيه­سازي جريان توسط مدل برتر (مدل IHACRES) در افق آينده مقادير دبي جريان در رودخانه در مقايسه با ماه­هاي متناظر در دوره پايه، افزايش اندكي خواهد يافت.