ارزیابی مدل های IHACRES و سیستم استنتاج عصبی-فازی در پیش بینی رواناب حوزه آبخیز سد کریت در دوره آتی

امروزه افزایش غلظت گازهای گلخانه ای در اتمسفر سبب تغییر در مولفه های منابع آب در مقیاس جهانی و منطقه ای شده است. از سوی دیگر پیش بینی آورد رودخانه در دوره آتی، ابزاری کارآمد در مدیریت منابع آب به حساب می آید. در این پژوهش عملکرد مدل های IHACRES و سیستم استنتاج عصبی - فازی (ANFIS) در پیش بینی رواناب حوضه سد کریت در طبس گلشن مورد بررسی قرار گرفت. داده ورودی به مدل های شبیه سازی بارش- رواناب IHACRES و مدل سیستم استنتاج عصبی فازی، شامل بارش و دما در مقیاس ماهانه است. پس از واسنجی دو مدل در بازتولید آورد رودخانه مشاهداتی، ارزیابی با استفاده از شاخص های RMSE و NS صورت پذیرفت. در این تحقیق، 60 درصد داده های بارش، دما و رواناب مشاهداتی برای آموزش و 40 درصد باقیمانده داده ها برای صحت سنجی مورد استفاده قرار گرفتند. معیار های ارزیابی RMSE و NS در بخش صحت سنجی در مدل IHACRES به ترتیب 1/0 و 95/0 و برای مدل ANFIS به ترتیب 05/0 و 52/0 محاسبه شد که نشان دهنده برتری مدل IHACRES نسبت به مدل سیستم استنتاج عصبی فازی در بازتولید دبی جریان مشاهداتی در این مرحله است. پس از مشخص شدن مدل برتر، با استفاده از مدل ریزمقیاس نمایی LARS- WG5.0 تحت سناریوی RCP4.5 و خروجی مدل گردش عمومی جو- اقیانوس GISS-E2-R، داده های بارش و دما برای سال های 2022 تا 2051 ریزمقیاس گردید و سپس با مدل برتر، مقادیر دبی برای سال های آینده نزدیک برآورد گردید. براساس نتایج حاصل از شبیه سازی جریان توسط مدل برتر (مدل IHACRES) در افق آینده مقادیر دبی جریان در رودخانه  در مقایسه با ماه های متناظر در دوره پایه، افزایش اندکی خواهد یافت.