بانک مقالات جغرافیا

برآورد و تعيين رواناب مستقيم رودخانه ها در عمل كار پيچيده اي است و تاكنون روش هاي متفاوتي براي محاسبه آن پيشنهاد شده است. يكي از روش هاي جديد در حل مسايل مهندسي آب و رودخانه ها و همچنين برآورد دبي رودها، استفاده از روش شبكه عصبي مصنوعي است كه با الگوبرداري از شبكه عصبي مغز انسان، ضمن اجراي فرايند آموزش، روابط دروني بين داده ها را كشف مي كند و آن را به موقعيت هاي ديگر تعميم مي دهد. هدف عمده پژوهش حاضر نيز برآورد رواناب از طريق تجزيه و تحليل روابط بارش رواناب براساس داده هاي كمي ژئومورفولوژي و با استفاده از تكنيك شبكه هاي عصبي مصنوعي ژئومورفولوژيكي (GANN) در حوضه امامه (از زير حوضه هاي جاجرود) است. در مطالعه حاضر بر مبناي ساختمان ژئومورفولوژي شبكه هيدرولوژي حوضه مورد نظر، يك سامانه شبكه عصبي ژئومورفولوژيكي سه لايه با تعدادي نودهاي مياني برابر تعداد مسيرها يا وضعيت هاي ژئومورفولوژيكي شبكه هيدرولوژي حوضه به منظور برآورد رواناب مستقيم ايجاد گرديد. وزن هاي مربوط به اتصالات درون شبكه اي ساختمان آن مدل با استفاده از متغيرهاي ژئومورفولوژي تعيين شد. نتايج به دست آمده از مدل شبكه اي مذكور با اطلاعات حاصل از مشاهدات مستقيم به منظور نشان دادن كارايي آن مقايسه شد. ارزيابي نتايج، حاكي از عملكرد بسيار خوب (R²=0.97) مدل شبكه ژئومورفولوژيكي در تعيين پاسخ هاي هيدرولوژيكي حوضه مورد مطالعه است. بدين وسيله، برتري مدل مذكور بر روش هاي رايج و معمول نشان داده مي شود.

 نسخه قابل چاپ