حمید رضا اسلامی - Pateshgar Tadbir Afzar Company
سعید جمالی - Islamic Azad University, Central Tehran Branch, Faculty of Civil Engineering and Land Resources
معصومه عیوضی - Pateshgar Tadbir Afzar Company
کامیاب اسلامی - Pateshgar Tadbir Afzar Company

بارش یکی از متغیرهایی است که بیش­ترین تاثیر را بر رواناب دارد. در این مطالعه با استفاده از مدل بارش- رواناب NAM و داده­های گذشته هواشناسی و هیدرولوژی، جریان ورودی سدهای کارون ۴، دز، کارون ۳، رودبار، سردشت و زاینده­رود مدل سازی شد. برای تعیین میزان بارش ورودی مدل، مدل­های اقلیمی چندگانه گروهی شمال آمریکا دریافت شد. سپس برای انتخاب بهترین مدل پیش­بینی بارش از روش خوشه­بندی زمانی بارش و شبکه عصبی مصنوعی با تابع پایه شعاعی استفاده شد. پس از تعیین بارش و پیش­بینی آبدهی ورودی به سد برای بررسی عملکرد انتخاب مدل بارش، آبدهی ماهانه پیش بینی شده با آبدهی ماهانه واقعی مقایسه شد. نتایج نشان داد که بیش از ۶۰ درصد مواقع در سد کارون ۴ و سردشت با همکاری بهترین مدل اقلیمی بارش مقادیر آبدهی نزدیک به مشاهده­ای پیش­بینی شده است. میزان خطای میانگین نرمال شده، ریشه میانگین مجموع مربعات نرمال شده و نش ساتکلیف در سد کارون ۴ به ترتیب برابر۰۶۴/۰-، ۰۴۶/۰ و ۶۴۹/۰ محاسبه شده است. نتایج حاصل از این تحقیق اهمیت روش خوشه­بندی زمانی بارش برای انتخاب بهترین مدل اقلیمی بارش جهت ارتقاء نتایج آبدهی را نشان می­دهد.

Climatic Forecasting, RBF, NMME, Grouping, Discharge Forecast, پیش بینی اقلیمی, RBF, NMME, گروه بندی, پیش بینی آبدهی.