شهرام کریمی - استادیار گروه مهندسی آب، دانشگاه شهید باهنر، کرمان، ایران
خاطره امیرخانی - دانشجوی کارشناسی ارشد مهندسی منابع آب، گروه مهندسی آب دانشگاه شهید باهنر، کرمان، ایران
علی فتاحی - دانشجوی کارشناسی ارشد مهندسی منابع آب، گروه مهندسی آب دانشگاه رازی، کرمانشاه، ایران

از مهمترین پارامترهای موثر در مدیریت و برنامه ریزی منابع آب، ارزیابی پتانسیل آب در حوضه، کاهش خطرات سیل و رسوب در مناطق پایین دست تخمین درست رواناب سطحی میباشد. توزیع نا برابر و غیر یکنواخت زمانی و مکانی بارش باعث شده روشهای تجربی متعددی برای محاسبه رواناب سالانه ارائه شود. استفاده از مدلهای تجربی برای تعیین برآورد رواناب سالانه در حوضه های که عمدتًا فاقد ایستگاههای آبسنجی میباشد از دیرباز در مطالعات هیدرولوژی مورد توصیه قرار گرفته است. روشهای مبتنی بر ضرائب رواناب سطحی و رابطه بارندگی و رواناب، بیشتر جنبه محلی داشته و فقط با شرایط خاص فیزیکی و آب و هوایی همان حوضه قابل کاربرد میباشد. اما روشهای برآورد رواناب با استفاده از کمبود جریان سطحی و مشخصات فیزیوگرافی با در نظر گرفتن عوامل فیزیکی و اقلیمی نتایج قابل قبولتری ارائه میدهند. کارایی و مناسبت این روشها در مناطق جغرافیایی مختلف منوط به دستیابی به اطلاعات مورد نیاز و آزمونهای مربوطه میباشد. در سالهای اخیر یکی از روشهایی که توجه پژوهشگران را به خود جلب کرده استاستفاده از شبکه عصبی میباشد که باتوجه به طبیعت غیر خطی و استوکاستیک پدیده های هیدرولوژیکی کاربرد آن در این علم قابل توجیه است. در این تحقیق ابتدا رواناب سالیانه با استفاده از روشهای تجربی برای حوضه آبریز رودخانه قره سو کرمانشاه بدست آورده شد. سپس مدلی بر اساس شبکه عصبی و باتوجه به داده های حوضه بدست آورده شد. که در آن تاثیر نرونهای لایه میانی، تغییر تعداد لایه های میانی و استفاده از آرایشهای مختلف داده های ورودی بر روی شبکه عصبی بررسی شده و نتایج با روشهای تجربی و مشاهداتی مقایسه گردید. نتایج نشان داد که روش شبکه عصبی نسبت به روشهای تجربی برآورد دقیقتری از میزان رواناب سالانه ارائه میدهد.

حوضه آبریز قره سو، رواناب سالانه، روشهای تجربی، شبکه عصبی