مجله پژوهش‌های فرسایش محیطی

تحقیق فوق با هدف تعیین کارایی مدل­های شبکه عصبی مصنوعی، عصبی- فازی و رگرسیون چند متغیره در شبیه­سازی حجم رواناب و میزان فرسایش در سه زیر حوضه از حوزه­های آبخیزشمال غرب ایران اجرا شد. در این پژوهش، براساس خصوصیات بارش مشابه از نظر میزان شدت بارندگی نیم ساعته با دوره بازگشت 10 ساله، با استفاده از دستگاه باران­ساز مصنوعی انجام شد. برای این منظور، استقرار دستگاه باران­ساز در 86 سایت انجام و  از 21 متغیر محیطی (از خصوصیات توپوگرافی، خاک­شناسی، پوشش گیاهی و تنوع گونه­ای) به عنوان ورودی مدل­ استفاده شد. اعتبارسنجی مدل­ها با 18 درصد داده­ها انجام شد. نتایج تحقیق حاضر نشان داد که مدل رگرسیونی چندمتغیره می­تواند به توجیه 68 و 46 درصد تغییرات به ترتیب متغیرهای حجم رواناب و میزان فرسایش بپردازد و کارایی آن در شبیه­سازی پایین است. طبق نتایج، مدل شبکه عصبی تابع پایه شعاعی در مقایسه با روش پرسپترون چندلایه و مدل نروفازی با سناریو روش خوشه­ای (رویه هیبرید) در مقایسه با روش شبکه، می­توانند به پیش­بینی دقیق­تر بپردازند؛ به طوری­که شاخص­های RMSE، MAE و NSE  در مدل بهینه شبکه عصبی، به ترتیب معادل 135/0، 114/0 و  99/0 برای حجم رواناب و 011/0، 009/0 و 98/0 برای میزان فرسایش و در مدل بهینه نروفازی، به ترتیب معادل 132/0، 111/0 و 92/0 برای حجم رواناب و 013/0، 011/0 و 98/0 برای میزان فرسایش حاصل شد. لذا مدل­های شبکه عصبی با روش تابع پایه شعاعی و نروفازی با سناریو روش خوشه­ای- رویه هیبرید به دلیل کارایی بالا، بهترین مدل­ها برای شبیه­سازی فرسایش و رواناب است.