TY - JOUR ID - 7108 TI - برآورد رواناب حوضه بار اریه با استفاده از مدل‌های WetSpa و شبکه عصبی مصنوعی JO - جغرافیا و برنامه‌ریزی JA - GP LA - fa SN - 2008-8078 AU - رحمتی, حسین AU - امامقلی زاده, صمد AU - انصاری, حسین AD - دانشجوی دکتری رشته‌ی مهندسی آبیاری و زهکشی، دانشگاه شهید چمران اهواز، دانشکده مهندسی علوم آب AD - دانشیار رشته‌ی سازه‌های آبی، عضو هیئت علمی گروه آب و خاک دانشکده کشاورزی دانشگاه شاهرود AD - استاد گروه علوم و مهندسی آب، دانشگاه فردوسی مشهد Y1 - 2018 PY - 2018 VL - 21 IS - 62 SP - 117 EP - 137 KW - حوضه بار اریه KW - رواناب KW - شبکه عصبی مصنوعی KW - مدل‌سازی KW - WetSpa DO - 3-2 N2 - برآورد صحیح رواناب حوضه نقش بسیار مهمی در مدیریت آن دارد. تا به حال محققین زیادی از مدل‌های یکپارچه، توزیعی و هم‌چنین از روش‌های هوشمند مصنوعی به‌منظور برآورد رواناب حوضه استفاده نمودند. در تحقیق حاضر برای برآورد آبدهی حوضه بار اریه با مساحتی معادل با 112 کیلومتر مربع و متوسط بارش سالانه 72/306 میلی‌متر از دو مدل توزیعی WetSpa و مدل هوشمند شبکه عصبی مصنوعی ANN استفاده گردید. به‌منظور اجرای مدل WetSpa از دو دسته اطلاعات شامل نقشه‌های رستری و اطلاعات هواشناسی و برای مدل شبکه عصبی مصنوعی تنها از اطلاعات هواشناسی استفاده گردید. اجرای مدل‌های مذکور در دوره‌ی 5 ساله صورت پذیرفت. به‌منظور مقایسه نتایج مدل‌ها، از معیارهای ارزیابی ضریب همبستگی R2، مجذور میانگین خطای استاندارد RMSE و میانگین قدر مطلق خطا MAE استفاده شد. نتایج بدست آمده نشان داد مدل WetSpa با R2و RMSE برابر با  m3/s920/0 وm3/s  346/0 و هم‌چنین مدل شبکه عصبی مصنوعی با   R2و RMSE برابر با m3/s 959/0 و m3/s 310/0 توانایی شبیه‌سازی جریان رودخانه بار اریه را دارند. هم‌چنین استفاده از مدل شبکه عصبی مصنوعی موجب کاهش خطای برآورد رواناب حوضه به مقدار 6/11 درصد در مقایسه با مدل WetSpa شده است. UR - https://geoplanning.tabrizu.ac.ir/article_7108.html L1 - https://geoplanning.tabrizu.ac.ir/article_7108_bd3651c589387f48d3e414ff84cf46f5.pdf ER -