نمذجة الهطول المطري_الجريان النهري باستخدام الشبكة العصبونية الصنعية في حوض نهر الكبير الجنوبي

Rainfall-Runoff Modelling by Artificial Neural Network in Alkabeer Aljonobee Catchment

803   0   67   0 ( 0 )
 تاريخ النشر 2014
 تمت اﻹضافة من قبل شمرا

تُشكِّل العلاقة بين الهطول المطري_الجريان النهري Rainfall_Runoff (R_R إحدى المركبات الأساسية لدورة المياه في الطبيعة، كما أنها تُشكّل واحدة من أكثر الظواهر الهيدرولوجية تعقيداً و صعوبةً في الفهم؛ و ذلك بسبب كثرة عدد البارامترات المتضمَّنة في نمذجة العمليات الفيزيائية و بسبب اتساع فضائها البارامتري و التغير المؤقت في مواصفات الحوض، إضافةً إلى تعدد نماذج الهطولات المطرية. هذا و تعدُّ نمذجة العلاقة بين الهطول المطري _الجريان النهري مهمة جدّاً من أجل التصميم الهندسي و الإدارة المتكاملة للموارد المائية، إضافةً إلى التنبؤ بالفيضان و درء مخاطره. حيث يهدف هذا البحث إلى نمذجة العلاقة بين الهطول المطري_الجريان النهري في حوض نهر الكبير الجنوبي في سوريا، بالاعتماد على تقانة الشبكة العصبونية الصنعية (ANN) Artificial Neural Network، حيث بُني النموذج الرياضي باستخدام كلٍّ من nntool وntstool مكتبتين ملحقتين ببرنامج الماتلاب، و اعتمد النموذج على البيانات اليومية للهطول المطري، درجة حرارة الهواء، الرطوبة النسبية و التبخر في المحطات المناخية المنتشرة في الحوض، كما استُخدِمت بيانات الجريان النهري اليومية لغرض التحقق من صحة أداء الشبكة باستخدام تقانة Simulink المتاحة في حزمة برمجيات الماتلاب. أثبتت نتائج الدراسة أنَّ تقانة الشبكة العصبونية الصنعيَّة تعطي نتائج جيدة في نمذجة العلاقة بين الهطول المطري_الجريان النهري، اعتماداً على مجموعة البيانات المستخدَمة، و بالتالي يمكن اعتبارها بديلاً للطرائق التقليدية في نمذجة العلاقة R_R.

المراجع المستخدمة
Rientjes, T. H. M.؛ De Vos, N. J. Constraints of artificial neural networks for rainfallrunoff modelling: trade-offs in hydrological state representation and model evaluation. Hydrology and Earth System Sciences Discussions Belgium, 2005, 365– 415
Abbott, M. B.؛ Bathurst, J. C.؛ Cunge, J. A.؛ O’Connell, P. E.؛ Rasmussen, J. An introduction to the european hydrological system – Syste`me Hydrologique Europe´en, “SHE”, 2: Structure of a physically-based, distributed modelling system. 1986, 61–77
Nash, J. E.؛ Sutcliffe, J. V. River flow forecasting through conceptual models. Journal of Hydrology1970, 282–290
Modarres, R. Multi-criteria validation of artificial neural network rainfall-runoff modeling. Hydrologu & Earth System Science Iran, 2009, 411-421
قيم البحث
أعلن في شمرا
التعليقات
جاري جلب التعليقات جاري جلب التعليقات