شبیه سازی فرآیند بارش- رواناب با بکارگیری شبکه عصبی مصنوعی (ANN) و مدل HEC-HMS ( مطالعه موردی حوزه آبخیز کسیلیان)

برای شبیه سازی فرآیند بارش - رواناب در سطح حوزه آبخیز کسیلیان با مساحت حدود ۶۸ کیلومترمربع واقع در شمال ایران، مدل (HEC-HMS) و روش شبکه عصبی مصنوعی(ANN) بکار گرفته شد. شبکه عصبی دارای قابلیت بالایی برای برقراری ارتباط بین داده های ورودی و خروجی و مدل(HEC-HMS) دارای قابلیت بالایی در بهینه سازی آبنمود شبیه سازی شده می باشد. عامل هدر رفت اولیه خاک به عنوان یک معیار کمی در برگیرنده سه فاکتور اصلی توان تولید رواناب شامل: خاک، پوشش گیاهی و رطوبت پیشین خاک می باشد. در روش ارائه شده در پژوهش حاضر، پس از بهینه سازی هدر رفت اولیه در مدل (HEC-HMS)، این عامل در شبکه عصبی مصنوعی همراه با میزان بارش به صورت جزء به جزء (Incremental) به عنوان ورودی، برای شبیه سازی مقدار دبی یا رواناب وارد گشت. مقایسه نتایج حاصل از بکارگیری شبکه عصبی مصنوعی در دو حالت با بکارگیری هدر رفت اولیه بهینه سازی شده و بدون آن، حاکی از کارایی بالای این روش و تاثیر بسیار مطلوب این عامل در افزایش دقت شبیه سازی رواناب و آبنمود سیلاب تا حدود دو برابر برای برخی وقایع می باشد.