مدلبندی منطقه ای سیلاب با استفاده از روش رگرسیون و شبکه های عصبی مصنوعی (مطالعه موردی :غرب و جنوب حوزه دریاچه ارومیه)
چکیده
امروزه لزوم حفظ و نگهداری از منابع آبی و بهره برداری هر چه بیشتر و علمی تر از آنها در فصول بارندگی بویژه در سالهای پرآبی که آبهای سطحی و سیلاب افزایش می یابند امری مسلم وضروری است. بنابراین جهت جلوگیری از هدر رفتن و بلااستفاده ماندن آنها، تخریب سازه های هیدرولیکی و تلفات جانی ناشی از وقوع سیلاب های پیش بینی نشده، طرح های علمی و پیشرفته ای وجود دارد که با توجه به امکانات موجود منطقه ای، می توان نسبت به تخمین سیلاب های هر منطقه اقدام نمود. یکی از طرح های کاربردی که در این زمینه مطرح می باشد تحلیل منطقه ای سیلاب است. روش تحلیل منطقه ای سیلاب یکی از روش-های متداول برای مدلبندی منطقه ای سیلاب بوده که بجای استفاده از آمار یک ایستگاه ، آمار و ویژگی های مجموعه ای از ایستگاه-ها مورد استفاده قرار می گیرد. در تحقیق حاضر دو روش از روش های مختلف مدل بندی منطقه ای سیلاب شامل روش رگرسیونی از نوع چند متغیره غیر خطی و شبکه های عصبی مصنوعی از نوع mlp و rbf در منطقه جنوب و غرب حوضه آبریز دریاچه ارومیه ، با بهره گیری از آمار دبی سیلاب لحظه ای سالانه 28 ایستگاه آبسنجی و ویژه گی های فیزیوگرافی و اقلیمی آنها بکار گرفته شد. نتایج حاصل از مدلبندی با همه روش ها نشان داد که در نظر گرفتن حالت همگن بندی منطقه برای مدل بندی سیلاب نسبت به حالت تفکیک منطقه به دو حوضه غرب و جنوب بهتر می باشد. مدلبندی با استفاده از مدل رگرسیون غیر خطی q_tr=??tr?^? ، که به عنوان بهترین مدل در نواحی همگن انتخاب شده بود انجام گرفت، پس از مدلبندی و تعیین موثرترین متغیرهای فیزیوگرافی و اقلیمی، شبکه های عصبی مصنوعی با این متغیرها به عنوان ورودی، مورد آموزش قرار گرفت. با ارزیابی دبی های سیلابی مشاهده ای و محاسباتی حاصل از همه روش ها با بهره گیری از آماره ضریب همبستگی(r)، مجذور میانگین مربع خطا(rmse) و میانگین خطای مطلق(mae) ، مشخص گردید که مدل رگرسیون چند متغیره غیر خطی مناسب نبوده و دارای خطای زیادی می باشد و شبکه عصبی نوع mlp با تفاوت جزئی نسبت به شبکه عصبی rbf دارای نتیجه بهتری می باشد و شبکه عصبی rbf درصورت وجود تعداد متغیرهای زیاد نتایج بهتری از mlp دارد. ولی در کل شبکه عصبی mlp عملکرد بهتری نسبت به روش رگرسیونی و شبکه عصبی rbf نشان داد.