نوع مقاله : یادداشت فنی

نویسندگان

• روح‌الله فتاحی
• سید فرهاد موسوی
• عباس کارگر

چکیده

دست‌یابی به معیارهای هیدرولوژیک برای مناطق فاقد و یا دارای آمار و اطلاعات کافی،‏ در مطالعات هیدرولوژیک امر مهمی است. در این حوضه‌ها ترجیح داده می‌شود که از روش‌های جعبه سیاه برای مشخص شدن ارتباط بین اطلاعات ورودی (پارامترهای هواشناسی و فیزیوگرافی) و خروجی (دبی رودخانه) بدون آنالیز ساختار داخلی فرآیند استفاده شود. یکی از روش‌های مورد استفاده در این قبیل شرایط،‏ مدل های هوش مصنوعی است. در این تحقیق،‏ از شبکه عصبی مصنوعی MLP با الگوریتم پس انتشار خطا در پیش‌بینی دبی ماهانه حوضه آبخیز بهشت آباد استفاده شده است. نتایج نشان داد که دبی ماه قبل و بارش دو ماه قبل جزء پارامترهای اساسی به عنوان ورودی شبکه هستند. همچنین بهترین مدل به دست آمده برای ایستگاه هیدرومتری بهشت آباد در دو زیرحوضه باباحیدر و کوه سوخته نیز اجرا شد و دبی‌های تخمین زده شده و اندازه‌گیری شده در ایستگاه‌های هیدرومتری واقع در خروجی این دو زیرحوضه مقایسه شدند. نتایج حاکی از آن بود که در حوضه‌های کوچک،‏ می‌توان از مدل کلی واسنجی شده برای حوضه آبریز اصلی استفاده کرد

کلیدواژه‌ها

• زیرحوضه
• بهشت‌آباد
• حوضه آبریز
• دبی جریان
• شبکه عصبی

عنوان مقاله [English]

Application of extended artificial neural network method in a watershed for estimation of monthly discharge sub-basins (Case study: Beheshtabad watershed)

نویسندگان [English]

• Roohollah Fatahi
• Seyed Farhad Mousavi
• Abbas Kargar

چکیده [English]

Finding hydrologic criteria for regions with insufficient or no data is important in water resources studies. In basins with lack of streamflow data, it is preferred to use black-box methods to relate inputs (meteorologic and physiographic parameters) and output (river discharge) without the analysis of the process. Artificial Neural Networks model is one of the methods which can be used in such situation. In the present research, MLP artificial neural network with back-propagation algorithm is used to estimate monthly discharge of Beheshtabad watershed. The results showed that last-month's discharge and precipitation of two months ago were the main input parameters. The best model obtained for the Beheshtabad station was used for Babahaidar and Kuhe-sokhteh sub-basins and the measured and estimated discharges were compared. The results showed that the calibrated model obtained for the main hydrometry station could be applied in sub-basins.

کلیدواژه‌ها [English]

• Watershed
• ANN
• Flow discharge
• Beheshtabad