| ارزیابی پایداری مدلهای فرآیندمحور و دادهمحور در پیشبینی جریانهای سیلابی (مطالعه موردی: آبخیز سیمینهرود) |
| کد مقاله : 1034-SCWMSUP (R1) |
| نویسندگان |
|
رقیه علیپور *1، وحید موسوی2، هیراد عبقری3 1دانشکده منابع طبیعی و علوم دریایی تربیت مدرس 2دانشگاه تربیت مدرس 3دانشگاه ارومیه |
| چکیده مقاله |
| مدلسازی فرآیند بارش-رواناب نقش حیاتی در مدیریت منابع آب و کاهش بلایای طبیعی دارد، اما پیچیدگی فرآیندهای هیدرولوژیکی، پیشبینی دقیق جریان، بهویژه در شرایط حدی مانند سیلاب را دشوار میسازد. این پژوهش به ارزیابی تطبیقی مدل مفهومی SAC-SMA و مدل یادگیری عمیق LSTM در شبیهسازی بارش-رواناب حوضه سیمینهرود با تمرکز بر رویدادهای حدی پرداخته است. نتایج نشان داد که هر دو مدل در دوره آموزش عملکرد عالی دارند (NSE حدود 94/0 برای SAC-SMA و 86/0 برای LSTM). با این حال، در ارزیابی شرایط حدی (۱۰٪ بالاترین دبیها)، مدل SAC-SMA با کاهش ۲۷ درصدی NSE (به 64/0) و مدل LSTM با کاهش ۳۱ درصدی NSE (به 51/0) مواجه شد که بیانگر چالش هر دو مدل در شبیهسازی دقیق پیکهای سیلابی است. با وجود افت عملکرد، مدل SAC-SMA پایداری نسبی بیشتری در بازتولید سیلابها نشان داد. این مطالعه تأکید میکند که برای مدیریت ریسک سیلاب، لازم است روشهایی برای بهبود بازنمایی رویدادهای حدی در هر دو دسته مدل توسعه یابد. |
| کلیدواژه ها |
| مدل LSTM، مدل SAC-SMA، الگوریتم بهینهسازی ذرات (PSO)، مقادیر حدی |
| وضعیت: پذیرفته شده |