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

Abstract

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 وصعوبةً في الفهم؛ وذلك بسبب كثرة عدد البارامترات المتضمَّنة في نمذجة العمليات الفيزيائية وبسبب اتساع فضائها البارامتري والتغير المؤقت في مواصفات الحوض، إضافةً إلى تعدد نماذج الهطولات المطرية. هذا وتعدُّ نمذجة العلاقة بين الهطول المطري _الجريان النهري مهمة جدّاً من أجل التصميم الهندسي والإدارة المتكاملة للموارد المائية، إضافةً إلى التنبؤ بالفيضان ودرء 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، واعتمد النموذج على البيانات اليومية للهطول المطري، درجة حرارة الهواء، الرطوبة النسبية والتبخر 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، وبالتالي يمكن اعتبارها بديلاً للطرائق التقليدية في نمذجة العلاقة R_R.

The relation between rainfall and runoff forms one of the main hydrological cycle elements. It is one of the most complex hydrological phenomena because of the great numbers of parameters used in modeling the physical processes, the expansion of their parameter space, and the temporary change in watershed specifications. Thus, modeling the relation between rainfall and runoff is necessary for hydrological and hydraulic engineering design, integrated management of water resourses, and forecasting flood and preventing its dangers. This research aims at modeling the relation between rainfall and runoff in Alkabeer Aljononbee catchment. It depends on the technique of Artificial Neural Network (ANN). The mathematical model was built by the ntstool and nntool available in the Matlab program. This model depends on daily rainfall, evaporation, air temperature, and relative humidity data taken from meteorological stations that are distributed in the watershed. The daily runoff data have also been used for checking the performance accuracy of  the network, using the Simulink technique. The results of this research confirm that artificial neural network technology offers good results in modeling the relation rainfall-runoff, depending on the set of data used. So it could be a better alternative than traditional approaches.