مشخصات پژوهش

عنوان	مدل سازی بارش-رواناب ماهانه حوضه های آبریز با استفاده از محاسبات نرم (مطالعه موردی: حوضه آبریز زرینه رود)
نوع پژوهش	پایان نامه
کلیدواژه‌ها	بارش-رواناب، حوضه زرینه‌رود، دبی بیشینه، محاسبات نرم.
چکیده	هدف: فرایند بارش-رواناب یکی از اجزای مهم چرخه آب است و در اغلب پروژه‌های منابع آب و کنترل سیلاب، ضرورت داشتن برآورد دقیق از رواناب حاصل از بارش وجود دارد. هدف از پژوهش حاضر، مقایسه کارایی مدل‌های ANN، GEP و LS-SVM برای شبیه‌سازی بارش-رواناب ماهانه حوضه آبریز زرینه‌رود که در بالادست مخزن سد شهید کاظمی (سد بوکان) قرار دارد، می‌باشد. روش‌شناسی پژوهش: در این پژوهش، حوضه زرینه‌رود واقع در شمال غرب ایران و در بالادست سد شهید کاظمی (بوکان) مورد مطالعه قرار گرفت. رودخانه‌های ساروق‌چای، خورخوره‌چای، زرینه‌رود و سقزچای که از زیرحوضه‌های اصلی زرینه‌رود محسوب شده و سهم قابل توجهی در حجم آب ورودی به مخزن سد بوکان دارند، به عنوان محدوده مورد مطالعه انتخاب شدند. در این پژوهش، دوره آماری 32 سال اخیر (1399-1367) به‌عنوان دوره مشترک آماری انتخاب گردید. به‌منظور مدل‌سازی بارش-رواناب، مقادیر ماهانه دبی و بارش در ایستگاه‌های صفاخانه (رودخانه ساروق‌چای)، پل آنیان (رودخانه زرینه‌رود)، قبقلو (رودخانه سقزچای) و سنته (رودخانه خورخوره‌چای) مورد استفاده قرار گرفت. یافته‌ها: در کلیه ایستگاه‌ها، به‌کارگیری سناریوی ترکیبی شامل دبی و بارش با تأخیرهای زمانی مختلف دقت تخمین جریان ماهانه را بهبود داد و در این راستا میزان تأثیرپذیری جریان حوضه از مقادیر بارندگی به مراتب بیشتر از مقادیر دبی در ماه‌های قبل بود. نتایج شبیه‌سازی بارش-رواناب در ایستگاه قبقلو، دلالت بر عملکرد بهتر مدل LSSVM با بیشترین ضریب تعیین (739/0=R2)، کمترین مقدار ریشه میانگین مربعات خطا (178/5=RMSE) و بیشترین ضریب نش-ساتکلیف (693/0=NSE) داشت. در ایستگاه پل آنیان، مدل ANN با بیشترین ضریب تعیین (792/0=R2)، کمترین ریشه میانگین مربعات خطا (870/10=RMSE) و بیشترین ضریب نش-ساتکلیف (785/0=NSE) برتری محسوسی نسبت به دو مدل دیگر داشت. مقایسه نتایج در ایستگاه سنته نشان داد که مدل GEP با بیشترین ضریب تعیین (799/0=R2)، کمترین ریشه میانگین مربعات خطا (460/5=RMSE) و بیشترین ضریب نش-ساتکلیف (798/0=NSE) از توانایی بیشتری در شبیه‌سازی برخوردار بود. در ایستگاه صفاخانه، مدل LSSVM برتری جزئی نسبت به مدل‌های دیگر داشت و مقادیر شاخص‌های R2، RMSE و NSE برای مدل مذکور به‌ترتیب برابر با 776/0، 304/5 و 769/0 به‌دست آمد. نتیجه‌گیری: نظر به اینکه مدل‌های هوشمند مورد استفاده در پژوهش حاضر از لحاظ شاخص‌های R2 و NSE از درجه اعتبار و کارآیی بالا برخوردار بودند، بنابراین می‌توان از آن‌ها به عنوان ابزاری کارآمد و قابل اعتماد در پیش‌بینی جریان ماهانه رودخانه‌های مورد مطالعه بهره گرفت.
پژوهشگران	هادی ثانی خانی (استاد مشاور)، محمد رضا نیک پور (استاد راهنما)، فاطمه جمشیدی (دانشجو)