با توجه به مجوز اخذ شده از دفتر سیاست‌گذاری و برنامه‌ریزی و امور پژوهشی وزارت علوم، تحقیقات و فناوری، از تاریخ 01. 06. 1402 به‌منظور چاپ مقاله، مبلغ 6.500.000 ریال دریافت می‌شود. این مبالغ باید به شماره کارت 8592-0045-8370- 5859 و یا شماره حساب 0294224971 به‌نام انجمن آبخیزداری ایران، بانک تجارت، بابت هزینه داوری، انتشار و خرید کد Doi مقاله واریز و رسید آن از طریق سامانه شخصی قسمت این فرم ها در سامانه نشریه بارگزاری شود.
لازم به ذکر است پرداخت فوق هم از طریق شعب بانک‌‌ها و هم از طریق همراه بانک و یا بانکداری اینترنتی به شکل پرداخت پایا قابل انجام است.
مدلسازی فرآیند بارش-رواناب، یکی از روش‌های رایج در برآورد رواناب و ابزاری کارآمد برای تحلیل فرآیندهای هیدرولوژیکی، ارزیابی منابع آب و مدیریت بهینه آبخیزها به‌شمار می‌رود. از این رو، بهره‌گیری از روش‌هایی که در عین پویایی، دارای ساختار مفهومی روشن، قابلیت توسعه و کاربرد آسان باشند، ضرورت دارد. در این تحقیق، کارایی سه مدل هوش‌مصنوعی جنگل تصادفی (RF)، برخورد گروهی با دادهها (GMDH)و استنتاج فازی-عصبی تطبیقی (ANFIS)برای پیش‌بینی رواناب روزانه دردو آبخیز تلوار و طالقان مورد ارزیابی قرار گرفت. داده‌های مورد استفاده شامل بارش 24 ساعته، دما، رطوبت نسبی، میانگین سرعت باد، میانگین رطوبت نسبی، میزان بارش برف کلی، و نیز شاخص بارش پیشین و شاخص دبی پیشین برای دوره آماری 13 ساله جمع‌آوری و محاسبه شد. نتایجحاصل از مدلسازی برای آبخیز طالقان نشان داد که مدلGMDHبا بیشترین مقادیر ضریب تعیین (8845/0(R²=و معیار نش-ساتکلیف (8836/0(NSE=و همچنین کمترین ریشه میانگین مربعات خطا،با (09/4RMSE=) بالاترین دقت و کمترین خطا را در شبیه‌سازی رواناب ارائه داد. مدلRFبا مقادیر(8801/R²=0،8798/0NSE=، 16/4RMSE=)در رتبه دوم قرار گرفتو توانست نتایج نسبتاً قابل قبولی تولید کند، هرچند دقت آن اندکی کمتر از مدلGMDHبود. در مقابل، مدلANFISبا 8710/R²=0، 8610/0NSE=و32/4RMSE=ضعیف‌ترین عملکرد را در میان مدلهای مورد بررسی داشت. و همچنین نتایج برای آبخیز تلوار نشان دادکه مدل GMDH با مقادیر 3631/RMSE=0و939/NSE=0و مدل RF با مقادیر 9260/NSE=0و4017/0RMSE=و مدل ANFISبا مقادیر 3640/0RMSE=و9392/0NSE=بیانگر آن است که مدلهای مورد بررسی از لحاظ عملکرد به این ترتیب قرار گرفتهاند:GMDH، ANFISو RF. نتایج نشان داد که هر سه مدل عملکرد کلینسبتا مطلوبی در شبیه‌سازی تغییرات رواناب داشتند که نشان می‌دهد استفاده از مدلهای هوش مصنوعی برای تخمین رواناب سطحی ابزار مناسبی می‌باشد.
به اطلاع کلیه نویسندگان ، محققین و داوران محترم می رساند:با عنایت به تصمیم هیئت تحریریه مجله علمی پژوهشی علوم و مهندسی آبخیزداری فرمت تهیه مقاله به شکل پیوست در بخش راهنمای نویسندگان تغییر کرده است. در این راستا، از تاریخ ۱۴۰۳/۰۱/۲۱ کلیه مقالات ارسالی فقط در صورتی که طبق راهنمای نگارش جدید تنظیم شده باشد مورد بررسی قرار خواهد گرفت.
