مدل ANN's مبتني بر ژئومورفولوژي و مدل GIUH براي برآورد رواناب مستقيم

در مدل هيدروگراف واحد لحظه اي ژئومورفولوژي از شبكه زهكشي حوضه آبريز و قوانين هورتون استفاده مي گردد. اين مدل يك رهيافت مدلسازي رواناب-بارندگي براي حوضه هاي فاقد آمار مي باشد و چون در آن از پارامترهاي فيزيوگرافي حوضه استفاده مي شود به نتايج آن نسبت به ساير مدلهاي خطي ديگر مانند هيدروگراف واحد كه چنين قابليتي ندارند، بيشتر مي توان اعتماد نمود. هدف اين تحقيق تئسعه يك مدل شبكه عصبي بر پليه مشخصات ژئومورفولوژي حوضه مي باشد كه جهت برآورد رواناب مستقيم حوضه معرف كسيليان مورد استفاده قرار گرفته است. نتايج حاصل از آن با داده هاي مشاهده اي و نتايج مدل ژئومورفولوژي مقايسه گرديده است. نتايج الين تحقيق نشان مي دهد كه مدل شبكه عصبي مصنوعي بر پايه ژئومورفولوژي از مدل كاملا تجربي شبكه عصبي مصنوعي و مدلهايي كه بر اساس ژئومورفولوژي حوضه مي باشند برتر است. علاوه بر اين انعطاف پذيري مدل ANNs توسعه يافته بواسطه وزن مرتبط بين گره ها و لايه هاي مختلف، درتركيب با مدل هيدروگراف واحد لحظه اي ژئومورفولوژ=ي بر قابليتهاي GIUH افزوده است.