شبيه سازي فرآيند بارش رواناب در حوزه آبخيز ناورود با مدل ولتراي مرتبه محدود و شبكه هاي عصبي مصنوعي

Rainfall-Runoff Simulation in the Navrood River basin using Truncated Volterra Model and Artificial Neural Networks

در اين تحقيق، مدل سازي فرآيند غيرخطي بارش- رواناب با استفاده از مدل خطي ولترا انجام مي شود. بدين منظور، داده هاي بارش و رواناب همزمان مربوط به پانزده رويداد از حوزه آبخيز ناورود واقع در شمال كشور جمع آوري گرديده و به ترتيب 70 % و 30 % رويدادها براي آموزش و تست مدل بكار برده شدند. در نهايت، عملكرد مدل ولترا با شبكه عصبي پرسپترون چند لايه و با استفاده از پنج معيار عملكرد مختلف مورد مقايسه قرار گرفت. نتايج نشان داد كه مدل هوشمند شبكه عصبي از توانايي بالاتري نسبت به مدل ولترا در پيش بيني هاي رواناب حوزه آبخيز ناورود برخوردار بود. بطور كلي، مدل خطي ولترا همانند ساير مدل هاي خطي در شبيه سازي فرآيند غيرخطي بارش- رواناب كارآيي بالايي نداشته و نياز به تعميم مدل به مرتبه هاي بالاتر و كاهش تعداد پارامترهاي قابل تخمين آن مي باشد.

This study evaluates the performance of the linear first-order Volterra model for simulating nonlinear rainfall-runoff process. For this end, fifteen storm events over the Navrood River basin were collected. 70% and 30% of the events were used to calibrate and test the suitability of the model. Finally, the performance of the model was compared with the artificial neural networks (multilayer perceptron (MLP)) using five performance criteria namely; coefficient of efficiency, root mean square error, error of total volume, relative error of peak discharge and error of time for peak to arrive. Results indicated that the intelligent MLP models outperformed the Volterra model. The linear Volterra model was not more effective in simulating the rainfall-runoff process. It needs to be extended to higher orders and also the number of the parameters should be reduced.