fa شبیه سازی فرآیند بارش- رواناب با بکارگیری شبکه عصبی مصنوعی (ANN) و مدل HEC-HMS ( مطالعه موردی حوزه آبخیز کسیلیان) تخصصي Special پژوهشي Research برای شبیه سازی فرآیند بارش - رواناب در سطح حوزه آبخیز کسیلیان با مساحت حدود 68 کیلومترمربع واقع در شمال ایران، مدل (HEC-HMS) و روش شبکه عصبی مصنوعی(ANN) بکار گرفته شد. شبکه عصبی دارای قابلیت بالایی برای برقراری ارتباط بین داده های ورودی و خروجی و مدل(HEC-HMS) دارای قابلیت بالایی در بهینه سازی آبنمود شبیه سازی شده می باشد. عامل هدر رفت اولیه خاک به عنوان یک معیار کمی در برگیرنده سه فاکتور اصلی توان تولید رواناب شامل: خاک، پوشش گیاهی و رطوبت پیشین خاک می باشد. در روش ارائه شده در پژوهش حاضر، پس از بهینه سازی هدر رفت اولیه در مدل (HEC-HMS)، این عامل در شبکه عصبی مصنوعی همراه با میزان بارش به صورت جزء به جزء (Incremental) به عنوان ورودی، برای شبیه سازی مقدار دبی یا رواناب وارد گشت. مقایسه نتایج حاصل از بکارگیری شبکه عصبی مصنوعی در دو حالت با بکارگیری هدر رفت اولیه بهینه سازی شده و بدون آن، حاکی از کارایی بالای این روش و تاثیر بسیار مطلوب این عامل در افزایش دقت شبیه سازی رواناب و آبنمود سیلاب تا حدود دو برابر برای برخی وقایع می باشد. HEC-HMS and Artificial Neural Network (ANN) were applied to simulate rainfall- runoff process in Kasilian Basin where is located in the north of Iran with an area of 68 km2. ANN has high capability in establishing connection between input and output data and HEC-HMS model has high capability in optimizing simulated hydrograph. Initial Loss is a quantitative parameter which is dependent on three main factors including: soil, vegetation and Antecedent Moisture Conditions(A.M.C). In this study after optimizing initial loss using HEC-HMS model, this parameter along with incremental rainfall were applied qua inputs in ANN to simulate runoff or discharge values. Comparison of the obtained results using ANN (two cases: using optimized initial loss and without optimized initial loss in simulating runoff-rainfall process) showed that optimized initial loss has a high effect in increasing (twice in some events) the simulation accuracy of run off and flood hydrograph. حوضه کسیلیان، شبکه عصبی مصنوعی، شبیه سازی بارش- رواناب، هدر رفت اولیه، HEC-HMS. ANN , HEC-HMS, Initial Loss, Kasilian Basin and Rainfall- runoff simulation. 67 70 http://jwmsei.ir/browse.php?a_code=A-10-1-117&slc_lang=fa&sid=1 Vahid Gholami وحید غلامی 10031947532846001670 10031947532846001670 Yes Zahra Darvari زهرا درواری 10031947532846001671 10031947532846001671 No