شبيه سازي فرآيند بارش- رواناب با بكارگيري شبكه عصبي مصنوعي (ANN) و مدل HEC-HMS ( مطالعه موردي حوزه آبخيز كسيليان)

A study on the simulation of rainfall-runoff process using Artificial Neural Network (ANN) and HEC-HMS (Case study: Kasilian Basin)

براي شبيه سازي فرآيند بارش - رواناب در سطح حوزه آبخيز كسيليان با مساحت حدود 68 كيلومترمربع واقع در شمال ايران، مدل (HEC-HMS) و روش شبكه عصبي مصنوعي(ANN) بكار گرفته شد. شبكه عصبي داراي قابليت بالايي براي برقراري ارتباط بين داده هاي ورودي و خروجي و مدل(HEC-HMS) داراي قابليت بالايي در بهينه سازي آبنمود شبيه سازي شده مي باشد. عامل هدر رفت اوليه خاك به عنوان يك معيار كمي در برگيرنده سه فاكتور اصلي توان توليد رواناب شامل: خاك، پوشش گياهي و رطوبت پيشين خاك مي باشد. در روش ارايه شده در پژوهش حاضر، پس از بهينه سازي هدر رفت اوليه در مدل (HEC-HMS)، اين عامل در شبكه عصبي مصنوعي همراه با ميزان بارش به صورت جز به جز (Incremental) به عنوان ورودي، براي شبيه سازي مقدار دبي يا رواناب وارد گشت. مقايسه نتايج حاصل از بكارگيري شبكه عصبي مصنوعي در دو حالت با بكارگيري هدر رفت اوليه بهينه سازي شده و بدون آن، حاكي از كارايي بالاي اين روش و تاثير بسيار مطلوب اين عامل در افزايش دقت شبيه سازي رواناب و آبنمود سيلاب تا حدود دو برابر براي برخي وقايع مي باشد

HEC-HMS and Artificial Neural Network (ANN) were applied to simulate rainfall- runoff process in Kasilian Basin where is located in the north of Iran with an area of 68 km2. ANN has high capability in establishing connection between input and output data and HEC-HMS model has high capability in optimizing simulated hydrograph. Initial Loss is a quantitative parameter which is dependent on three main factors including: soil, vegetation and Antecedent Moisture Conditions(A.M.C). In this study after optimizing initial loss using HEC-HMS model, this parameter along with incremental rainfall were applied qua inputs in ANN to simulate runoff or discharge values. Comparison of the obtained results using ANN (two cases: using optimized initial loss and without optimized initial loss in simulating runoff-rainfall process) showed that optimized initial loss has a high effect in increasing (twice in some events) the simulation accuracy of run off and flood hydrograph.