تخمين و بازسازي داده هاي حداكثر بارش 24 ساعته سالانه با استفاده از مدل تلفيقي الگوريتم ژنتيك و شبكه هاي عصبي مصنوعي (مطالعه موردي: استان چهارمحال و بختياري)

Estimation and Reconstruction of Annual Maximum 24-H Rainfall Data Using combination of Genetic Algorithm and Artificial Neural Networks Models (Case Study: Chaharmahal va Bakhtiyari Province)

چكيده حداكثر بارش 24 ساعته يكي از عامل هاي هواشناسي با ماهيتي بسيار تصادفي در مقايسه با ساير داده هاي مرتبط با بارندگي از جمله بارش هاي ماهانه و سالانه است. باتوجه به در دسترس نبودن داده هاي شدت-مدت-فراواني (I-D-F) و قابليت دسترسي بيشتر داده هاي حداكثر بارش 24 ساعته، برآورد بارش هاي كوتاه مدت بر مبناي بارش 24 ساعته اقدامي رايج در مطالعات و عمليات آبخيزداري است. برخي از مواقع اين اطلاعات ناقص ميباشد و استفاده از آن ها باعث بروز خطا در نتايج مي گردد. در اين پژوهش كارآيي استفاده از روش الگوريتم ژنتيك-شبكه عصبي مصنوعي (GA-ANN) در بازسازي داده هاي حداكثر بارش 24 ساعته در استان چهارمحال و بختياري، توسط نمايانه هاي آماري RMSE، P % و R2 مورد ارزيابي قرار گرفت و با روش شبكه عصبي مصنوعي ساده (ANN) مقايسه شد. مقدار نمايانه RMSE حاصل از بهترين شبكه ANN در اقليم بسيار مرطوب، نيمه مرطوب، مديترانه اي و نيمه خشك به ترتيب برابر با 38، 9/25، 8/11، 4/11 ميليمتر و در بهترين شبكه GA-ANN به ترتيب برابر با 2/19، 3/14، 8/10 و 4/6 ميليمتر مي باشد. نتايج بازسازي در كليه نواحي آب و هوايي حكمفرما در اين استان نشان دهنده برتري معني دار روش GA-ANN نسبت به روش ANN مي باشد.

Annual maximum 24-h rainfall is the meteorological parameters with the more random nature of rainfall in comparison with other related data rainfall, including monthly and annual precipitation data. Considering to unavailable Intensity-Duration-Frequency (IDF) data and more availability of Annual maximum 24-h rainfall data, a common method of estimating short time rainfall in watershed management operation and studies is based on Annual maximum 24-h rainfall data. Sometimes mentioned data is incomplete and use of them causes an error in the results. This research carried out in order to evaluate the performance of artificial neural network with genetic algorithm (GA-ANN) for reconstruction of annual maximum 24-h rainfall data in Chaharmahal va Bakhtiyari province. To evaluate the model RMSE, P%, R2 were used as statistical indices. The GA-ANN was compared with simple artificial neural networks. The RMSE indexes between observed and predicted values by ANN model were 38.0, 25.9, 11.8 and 11.4 (mm) for very-humid, semi-humid, Mediterranean and semi-arid climate zones respectively. Considering the results of GA-ANN method the RMSE were 19.2, 14.3, 10.8 and 6.4 (mm). The results of reconstructed data show that GA-ANN method has significant preference related to ANN method in all the four studied climates in the studied region.