ارزیابی عملکرد مدل های SWAT و شبکه عصبی مصنوعی در تخمین رواناب ماهانه حوضه گنبرچای

تخمین دقیق مقدار رواناب رودخانه ها از اقدامات اساسی در مدیریت منابع آب حوضه ها می باشد. در تحقیق حاضر عملکرد مدل های SWAT ( بعنوان مدل های فیزیکی) و شبکه عصبی مصنوعی ( ANN ) )بعنوان مدل های داده کاوی) در تخمین رواناب مورد ارزیابی قرار گرفت. برای این منظور حوضه آبریز گنبرچای بعنوان منطقه مورد مطالعه انتخاب شد. در این راستا هر دو مدل SWAT و ANN برای حوضه مورد نظر تنظیم گردید. نتایج آنالیز حساسیت مدل SWAT نشان داد که پارامتر شماره منحنی ( CN2 ) بیشترین تاثیر را روی دبی خروجی حوضه گنبرچای دارد. بر اساس نتایج حاصل در دوره صحت سنجی میزان همبستگی و نش ساتکلیف بترتیب 91 / 0 و 53 / 0 برای مدل SWAT بدست آمد. همچنین نتایج نشان داد که ANN از نوع مدل MLP با آموزش لونبرگ مارکوارت با تعداد نرون - 15 با مقادیر R و NS بترتیب برابر با 82 / 0 و ( m3/sec) 44/0 در مرحله صحت سنجی بیشترین دقت را در پیش بینی یک ماه بعد رواناب ایستگاه قرمزیگل دارد. براساس نتایج تحقیق حاضر مدل SWAT با مقادیر میزان همبستگی و نش ساتکلیف بیشتر نسبت به مدل - ANN از دقت بیشتری در شبیه سازی رواناب حوضه گنبرچای برخوردار است.