نوع مقاله : مقاله علمی پژوهشی

نویسندگان

• حسین رحمتی ¹
• صمد امامقلی زاده ²
• حسین انصاری ³

¹ دانشجوی دکتری رشته‌ی مهندسی آبیاری و زهکشی، دانشگاه شهید چمران اهواز، دانشکده مهندسی علوم آب

² دانشیار رشته‌ی سازه‌های آبی، عضو هیئت علمی گروه آب و خاک دانشکده کشاورزی دانشگاه شاهرود

³ استاد گروه علوم و مهندسی آب، دانشگاه فردوسی مشهد

چکیده

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.

کلیدواژه‌ها

• حوضه بار اریه
• رواناب
• شبکه عصبی مصنوعی
• مدل‌سازی
• WetSpa

موضوعات

• آب و هواشناسی

عنوان مقاله [English]

Estimation runoff of Bara-Ariye basin using WetSpa and artificial neural network models

نویسندگان [English]

• Hosein Rahmati ¹
• Samad Gholizadeh ²
• Hosein Ansari ³

¹ Ph.D. student of Irrigation and Drainage Engineering, Shahid Chamran University of Ahvaz, Faculty of Water Engineering

² Associate Professor of Water Structures, Faculty Member of Water and Soil Department, Faculty of Agriculture, Shahroud University

³ Professor, Department of Water Science and Engineering, Ferdowsi University of Mashhad

چکیده [English]

Accurate estimation of watershed runoff has a crucial role in its management. Until now many researchers used different models such as integrated and distributed models, and also artificial intelligent methods to estimate basin runoff. For this purpose in this study for estimation the runoff of Bara-Ariye basin with an area of 112 km2 and average annual rainfall of 306.72mm, two different models namely WetSpa and artificial neural network (ANN) were used. To run of the WetSpa model two categories of information, including raster maps and metrological data and for ANN model only meteorological data were used. The 5 years data were used to simulation runoff of Bara-Ariye basin. The statistical parameters such as correlation coefficient (R2), the square of the standard error of the mean (RMSE) and mean absolute error (MAE) were used for comparison results of two models. The results indicated that the WetSpa model with R2 and RMSE equal to 0.920 and 0.346 m3/s and also ANN model with R2 and RMSE equal to 0.959 and 0.310 m3/s have the ability to simulate runoff of Bara Ariye River. Also using neural network model reduced the error estimation of watershed runoff 11.6% compared with the WetSpa model.

کلیدواژه‌ها [English]

• Modeling
• Runoff
• WetSpa
• artificial neural network (ANN)
• Bara Ariye Basin