مقایسه کارآیی مدل هیدرولوژیکیWetSpa شبکه عصبی مصنوعی و سیستم عصبی- فازی انطباقی ، در شبیه سازی دبی جریان رودخانه (مطالعه موردی: حوضه آبخیز بالوخلوچای استان اردبیل)

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری علوم و مهندسی آبخیزداری، دانشکده منابع طبیعی و علوم زمین، دانشگاه کاشان، اصفهان

2 استادیار گروه مرتع و آبخیزداری، دانشکده منابع طبیعی و علوم زمین، دانشگاه کاشان، اصفهان

3 دانشیار گروه مرتع و آبخیزداری، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی، اردبیل

چکیده

پوشش گیاهی حوضههای آبخیز دارد. در سالهای اخیر، مدلهای متنوع کامپیوتری و روشهای هوشمند عصبی
جهت تخمین و پیشبینی رواناب و تأثیرات متعدد آن مورداستفاده قرارگرفتهاند. در این تحقیق، عملکرد مدل
در شبیهسازی بارش- رواناب و تخمین دبی روزانه ANFIS و ANN و دو مدل هوشمند WetSpa هیدرولوژیکی
حوضه آبخیز بالوخلوچای موردبررسی قرار گرفت. دادههای موردنیاز شامل اطلاعات مربوط به مدل رقومی ارتفاع،
نقشههای کاربری اراضی و خاک و همچنین دادههای اقلیمی و هیدرولوژیکی مربوط به سریهای روزانه بارندگی،
1388 برای واسنجی و - 1386 تا 1389 - دما، تبخیر - تعرق مرجع و دبی تهیه شدند. دادههای سالهای آبی 1387
1390 برای اعتبارسنجی و آزمون مدلها انتخاب شدند. - 1389 و 1391 - آموزش و دادههای سالهای آبی 1390
ضرایب ارزیابی عملکرد مختلف مانند ناش - ساتکلیف، ضریب همبستگی و ریشه میانگین مربعات خطا (برحسب
و ANN 1 برای / 0/865 ،0/724 و 232 ،WetSpa 1 برای / 0 و 719 /696 ،0/ مترمکعب بر ثانیه) بهترتیب برابر با 457
،ANN نشان داد که بالاترین دقت بین مدلهای بکار رفته بهترتیب به مدلهای ANFIS 1 برای / 0/603 ،0/289 و 968
بیشتر است، اما استفاده از آن بهدلیل WetSpa نسبت به ANN متعلق هست. اگرچه دقت مدل ANFIS و WetSpa
خاصیت جعبه سیاه بودن در برخی موارد از جمله بررسی تأثیر کاربری اراضی یا توپوگرافی بر رواناب نسبت به
با محدودیتهایی مواجه است.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Comparing the Performance of WetSpa Hydrological Model, Artificial Neural Network and Adaptive Neuro-Fuzzy System for Simulating River Flow Discharge (Case Study: BalukhluchayWatershed, Ardabil Province)

نویسندگان [English]

  • R Imani 1
  • H Ghasemieh 2
  • A E Ouri 3
چکیده [English]

Generated runoff has significant effects on quality and quantity of the surface and
groundwater resources, soil erosion and even vegetation cover in watersheds. In recent years,
different computer models have been applied for estimating and forecasting the runoff and its
effects. In this study, the performances of WetSpa hydrological model and ANN and ANFIS
intelligent models were evaluated in simulation of the rainfall-runoff and estimation of the daily
discharge in Balukhluchay watershed of Ardabil province. The required data including the
needed information for the digital elevation model, land use and soil maps and also the climatic
and hydrological data of the daily precipitation, temperature, reference evapotranspiration and
discharge time series were prepared. The data of 2007 to 2010 were used for calibration and
training and the data of 2010 to 2012 were used for validation and test of the models. Different
evaluating coefficients such as Nash-Sutcliffe, Correlation Coefficient and Root Mean Square
Error (0.457, 0.696 and 1.719 for WetSpa, 0.724, 0.865 and 1.232 for ANN and 0.289, 0.603
and 1.968 for ANFIS, respectively) showed that the highest accuracy among the used models
belonged to the ANN, WetSpa and ANFIS, respectively. Despite high accuracy of the ANN,
since it is a black box model, its usage for investigating the land use and topography effects on
the runoff has some limitations in comparison with the completely distributed Wetspa model.