مدل سازی فرآیند بارش - رواناب در حوضه لیقوان چای با استفاده از نرون شرطی آستانه دمایی

لزوم پیش بینی بده رود خانه در کارهای عمرانی، برنامه ریزی برای استفاده بهینه از مخازن سدها، سامان دهی رودخانه و هشدار سیل، کاملا احساس می شود. در این راستا مسئله بارش- رواناب بیشترین توجه مدل ساز های شبکه های عصبی مصنوعی را به خود معطوف کرده است. در این تحقیق از شبکه های عصبی چند لایهMLP برای پیش بینی بارش- رواناب حوضه آبریز برف گیر لیقوان چای واقع در استان آذربایجان شرقی استفاده شده است. اطلاعات این حوضه شامل داده های بارش، دما و رواناب روزانه می باشد. در مراحل مختلف تحقیق اثرات هر یک از این عوامل (در قالب ترکیبات مختلف) در کارایی شبکه، مورد بررسی قرار گرفته است. همراهی سه عامل بارش در روز جاری و روز های قبل، دما در روز جاری و روز های قبل و رواناب در روز های قبل در ماتریس ورودی بهترین نتایج را برای شبکه عصبی در پی داشته است. از آنجایی که حوضه آبریز لیقوان یک حوضه برفگیر می باشد، اثر دما در این حوضه و تبدیل برف به رواناب حائز اهمیت بوده و در ادامه مورد بررسی قرار گرفته و نرونی با نام نرون شرطی آستانه دمایی CTT تعریف شده است. مقادیر این نرون بصورت باینری بوده و اعداد صفر و یک را به خود می گیرد. معیار این تفکیک مقدار آستانه دمایی ذوب برف می باشد که برای حوضه لیقوان محاسبه شده است. در پایان نتایج مدل شبکه های عصبی با مدل هیدروگراف ذوب برف بی بعد DSH مقایسه شده است. نتایج نشان دهنده کارایی بهتر شبکه عصبی نسبت به مدل ذوب برف DSH می باشد.