پارسای داخل کشور کارشناسی ارشد 1393
موضوع: کشاورزی، عمومی و میان رشته ای
پدیدآور: سعید کفاش 
استاد راهنما: عبدالحمید دهواری 
استاد مشاور: ابراهیم سیدی
دانشگاه زابل، دانشکده منابع طبیعی
چکیده

در علوم مهندسی منابع آب و هیدرولوژی شناخت و تحلیل و تغییرات بارندگی و رواناب سطحی از نیازهای اساسی محسوب می‌شود. برآورد رواناب حاصل از بارندگی در یک حوزه آبخیز از جهات گوناگون دارای اهمیت می‌باشد. در پژوهش حاضر با بهره‌گیری از داده‌های مشاهده‌ای کاربرد شبکه عصبی مصنوعی در برآورد ضریب رواناب بررسی شد. منطقه مورد مطالعه حوزه آبخیز راسک - سرباز می‌باشد. داده‌های مربوط به 33 واقعه بارندگی و رواناب اتفاق افتاده در بین سال‌های 1386 تا 1391 جمع‌آوری گردید. از جمله خصوصیاتی که از باران‌نمودها به عنوان متغیر مستقل ورودی مدل استخراج شد شامل شدت متوسط بارندگی، مجموع بارندگی 5 روز قبل و شاخص (ϕ) بود. با استفاده از این شاخصها و ترکیبات مختلف آنها در لایه ورودی، شبکه‌های مختلفی اجرا شد. شبکه عصبی مصنوعی مورد استفاده با الگوریتم‌های یادگیری آموزشی لونبرگ- مارکوارت و الگوریتم‌های یادگیری آموزشی رزیلینت و تابع محرک تانژانت سیگموئید آموزش دیده و با ورودی‌های مختلف اجرا شد. نتایج نشان داد که شبکه عصبی مصنوعی با چارک‌های اول تا چهارم شدت بارندگی، مدت و مقدار بارندگی، شاخص (ϕ)، و بارندگی 5 روز قبل با الگوریتم‌های یادگیری آموزشی لونبرگ - مارکوارت با تابع محرک تانژانت سیگموئید می‌تواند ضریب رواناب رگبار را در حوزه راسک - سرباز با ضریب تعیین آزمایش 0/98 و جذر میانگین مربعات خطا 0/032 و متوسط قدر مطلق خطا 0/024 پیش‌بینی کند. بنابر تعریف ضریب تعیین آزمایش بالاتر 0/75بوده و در نتیجه نتایج شبیه‌سازی شده در حد عالی قابل اطمینان می‌باشد همچنین جذر میانگین مربعات خطا نسبتاً پایین بوده که حکایت از صحت و دقت نتایج اندازه گیری شده (مدل عصبی) دارد به طور کلی می‌توان استفاده از این مدل را به منظور برآورد ضریب رواناب در حوضه آبخیز راسک - سرباز و حوضه‌های مشابه آن توصیه نمود.