بررسی توانمندی مدل شبکه عصبی مصنوعی در شبیه سازی فرآیند بارش-رواناب در شرایط تغییر اقلیم (مطالعه موردی: حوزه سد پاشاکلا بابل)

پیش‏بینی جریان رودخانه ها نقش بسزایی در برنامه ریزی، مدیریت و بهره‏برداری از منابع آب دارد. برای دستیابی به این هدف و با توجه به پدیده‏ی گرمایش جهانی، لازم است سری زمانی بارش و رواناب روزانه برای دوره های آتی شبیه‏سازی شود. لذا ضروریست آشکارسازی رخداد تغییر اقلیم و تاثیر آن بر بارش و رواناب در سطح حوزه مورد بررسی قرار گیرد. در گام اول این پژوهش، با استفاده از آزمون آماری روند من-کندال، رخداد تغییر اقلیم در حوزه پاشاکلا بابل در استان مازندران به اثبات رسید. نتایج بررسی 36 سال آمار متوسط دمای روزانه، نشان‏دهنده روند افزایشی متوسط دما در سطح حوزه می‏باشد. در گام دوم، از مدل لارس تحت مدل گردش عمومی جو HadCM3 و سناریوی A2، برای تولید سری زمانی بارش روزانه در دوره آتی استفاده شد. به‏این منظور داده های بارش، دمای کمینه، دمای بیشینه و ساعات آفتابی برای دوره پایه 12 ساله (2015-2004) وارد مدل شده و سری زمانی بارش روزانه در سطح حوزه برای دوره آتی 10 ساله (2025-2016) پیش‏بینی شد. در گام سوم، از مدل شبکه عصبی مصنوعی، برای شبیه‏سازی فرآیند بارش-رواناب در شرایط تغییر اقلیم و تولید سری زمانی رواناب روزانه در دوره آتی استفاده شد. در نهایت، به‏منظور بالا بردن قابلیت مدل شبکه عصبی مصنوعی در پیش‏بینی رواناب روزانه، علاوه بر داده های بارش روزانه پیش‏بینی شده، داده های بارش و رواناب یک روز قبل نیز به عنوان عوامل موثر در رواناب روز جاری وارد مدل شده و با استفاده از نرون‏های بارش و رواناب ضریب همبستگی برابر با 8/0 به‏دست آمد. این ضریب همبستگی در سطح 1 درصد معنی‏دار بوده و نشان‏دهنده قابلیت مدل در شبیه‏سازی فرآیند بارش-رواناب می‏باشد.