مدیریت جامع حوزه های آبخیز

مدیریت جامع حوزه های آبخیز

ارزیابی مدل‌های IHACRES و سیستم استنتاج عصبی-فازی در پیش‌بینی رواناب حوزه آبخیز سد کریت در دوره آتی

نوع مقاله : مقاله پژوهشی

نویسندگان
1 دانشجوی کارشناسی ارشد، گروه آموزشی مهندسی آب، دانشگاه بیرجند، بیرجند، ایران
2 استادیار گروه آموزشی مهندسی آب، دانشگاه بیرجند، بیرجند، ایران
3 دانشیار گروه آموزشی مهندسی آب، دانشگاه بیرجند، بیرجند، ایران
چکیده
امروزه افزایش غلظت گازهای گلخانه­ای در اتمسفر سبب تغییر در مولفه­های منابع آب در مقیاس جهانی و منطقه­ای شده است. از سوی دیگر پیش­بینی آورد رودخانه در دوره آتی، ابزاری کارآمد در مدیریت منابع آب به حساب می­آید. در این پژوهش عملکرد مدل های IHACRES و سیستم استنتاج عصبی - فازی (ANFIS) در پیش­بینی رواناب حوضه سد کریت در طبس گلشن مورد بررسی قرار گرفت. داده ورودی به مدل­های شبیه­سازی بارش- رواناب IHACRES و مدل سیستم استنتاج عصبی فازی، شامل بارش و دما در مقیاس ماهانه است. پس از واسنجی دو مدل در بازتولید آورد رودخانه مشاهداتی، ارزیابی با استفاده از شاخص­های RMSE و NS صورت پذیرفت. در این تحقیق، 60 درصد داده­های بارش، دما و رواناب مشاهداتی برای آموزش و 40 درصد باقیمانده داده­ها برای صحت­سنجی مورد استفاده قرار گرفتند. معیار­های ارزیابی RMSE و NS در بخش صحت­سنجی در مدل IHACRES به ترتیب 1/0 و 95/0 و برای مدل ANFIS به ترتیب 05/0 و 52/0 محاسبه شد که نشان دهنده برتری مدل IHACRES نسبت به مدل سیستم استنتاج عصبی فازی در بازتولید دبی جریان مشاهداتی در این مرحله است. پس از مشخص شدن مدل برتر، با استفاده از مدل ریزمقیاس نمایی LARS- WG5.0 تحت سناریوی RCP4.5 و خروجی مدل گردش عمومی جو- اقیانوس GISS-E2-R، داده­های بارش و دما برای سال­های 2022 تا 2051 ریزمقیاس گردید و سپس با مدل برتر، مقادیر دبی برای سال‌های آینده نزدیک برآورد گردید. براساس نتایج حاصل از شبیه­سازی جریان توسط مدل برتر (مدل IHACRES) در افق آینده مقادیر دبی جریان در رودخانه  در مقایسه با ماه­های متناظر در دوره پایه، افزایش اندکی خواهد یافت.
کلیدواژه‌ها

موضوعات


Ahmadpour, A., Mirhashemi, S. & Haghighatjou, P. (2020). Evaluation of classical, conceptual ihacres and hybrid arma-ann models in simulation and prediction of daily discharge of Maroun River. Iranian Journal of Soil and Water Research. 51(3), 727-736. (In Persian)
Abushandi, E. & Merkel, B. (2013). Modelling rainfall runoff relations using HEC-HMS and IHACRES for a single rain event in an arid region of Jordan. Water Resource Management. 27(7), 2391-2409. DOI: 10.1007/s11269-0130293-4.
Amiri, E. & Roudbari Mousavi, M.M. (2016). Evaluation of IHACRES hydrological model for simulation of daily flow (Case study Polrood and Shalmanrood rivers). Iranian journal of Ecohydrology, 3(4), 533-543. (In Persian)
Bacanli, U.G., Firat, M., & Dikbas, F. (2009). Adaptive neuro-fuzzy inference system for drought forecasting. Stochastic Environmental Research and Risk Assessment, 23(8), 1143-1154.
Dastorani, M.T., Sharifi Darani, H., Talebi, A. & Moghadam Nia, A. (2011). Evaluation of the application of artificial neural networks and adaptive neuro-fuzzy inference systems for rainfall-runoff modeling in Zayandeh-rood dam basin. J. of Water and Wastewater, 80, 114-125.
Fakhr Hashemian, S., Farabi, H., Kazemi, M., & Solaimanian, M. (2017). Presenting an efficient model for river flow estimation using fuzzy inference system, case study of Baba Aman River. The 5th National Conference on Geomorphology and Environmental Challenges, September.  Mashhad, Iran. (In Persian)
Hafezparast, M., & Marabi, S. (2021). Prediction of Discharge Using Artificial Neural Network and IHACRES Models Due to Climate Change. Journal of Renewable Energy and Environment, 8-3, 75-85.
Hejazizadeh, Z., Ashofteh, P.S., Fatahi, E., & Gholampour, Z. (2015). Analysis of streamflow changes under climate change using rainfall-runoff model in the Kor River basin. Journal of Applied researches in Geographical Sciences, 15(38), 31-47 (In Persian)
Lotfirad, M., Adib, A. & Haghighi, A. (2018). Estimation of Daily Runoff Using of the Semi-Conceptual Rainfall-Runoff IHACRES Model in the Navrood Watershed (a watershed in the Gilan province. Iranian journal of Ecohydrology, 5(2), 449-460. (In Persian)
Momeneh, S. (2022). Performance comparison of artificial intelligence models with IHACRES model in streamflow modeling of the Gamasiab River catchment. Water and Soil Management and Modelling, 2(3), 1-16. (In Persian)
Rezaei Moghaddam, M.H., Hejazi, M.A. & Behbuodi, A. (2019). A Calibration and Dvaluation of IHACRES Model in Runoff Simulation the Lanbaran Sub-basin, Ahar Chay. Hydrogeomorphology, 6(20), 187-204. (In Persian)
Sedighi, F., Vafakhah, M. & Javadi, M.R. (2014). Application of Adaptive Neuro-Fuzzy Inference System for Rainfall-Runoff Forecasting in Latyan Watershed. The second national conference of applied research in civil engineering, architecture and urban management, Tehran, Iran. (In Persian)
Zandi Daregharibi, F., Khorsandi, Z., Mozayan, M., & Arman, N. (2017). Comparing the Performance of Two Hydrological Models, IHACRES and GR2M for Simulating Monthly Flow of Dareh-Takht Basin. Irrigation Sciences and Engineering, 40(2), 147-158. (In Persian)
Zarei, M., Habibnezhad, R.M., Shahedi, K., & Ghanbarpour, M.R. (2011). Calibration and Evaluation of IHACRES Hydrological Model for Daily Flow Simulation. Journal of Water and Soil, 25(1), 104-114. (In Persian)

  • تاریخ دریافت 23 مهر 1401
  • تاریخ بازنگری 27 آبان 1401
  • تاریخ پذیرش 15 آذر 1401