مقدمه: تخمین جریان زیرسطحی(SUF)  در بسیاری از حوضه­های آبریز با پوشش گیاهی مناسب و نفوذ پذیری خاک بالا حائز اهمیت است و نقش اساسی در تولید رواناب مستقیم حوضه دارد. مفهومSUF  در خاک در مقایسه با جریان سطحی هنوز پیچیده­تر است، لذا ارائه مدل­های پیش بینی SUF حوضه­ها با روش‌های ساده وکاربردی بسیار مورد توجه واقع می‌شود. روش­: در این پژوهش از مدل‌های بارندگی رواناب سطحی SCS و Nash برای تخمین جریان زیرسطحی دامنه‌های حوضه آبریز استفاده گردید. از معادلات هیدروگراف واحد دو مدل مزبور که تابعی از زمان پیمایش زیرسطحی و مقدار نفوذ می‌باشد، معادلاتی برای محاسبه زمان پیمایش زیرسطحی واقعی دامنه‌ها جهت استفاده مدل‌ها ارائه شد. یافته­ها: برای صحت سنجی از نتایج مدل آزمایشگاهی باران ساز با قابلیت اندازه گیری دبی جریان سطحی و زیرسطحی دامنه مورد استفاده قرارگرفت. متوسط خطای مدل SCS  نسبت به مدل آزمایشگاهی در تخمین پیک رواناب سطحی برابر 8/7 % و در تخمین جریان زیرسطحی 7/6% و متوسط خطای مدل Nash در تخمین پیک رواناب سطحی برابر21/11% و در تخمین جریان زیرسطحی 32/11% بوده است. تاثیر شیب و ضریب هدایت هیدرولیکی دامنه‌ها برروی هیدروگراف SUF توسط دو مدل نیز مورد ارزیابی قرارگرفت. نتیجه­گیری: مدل‌های بارندگی-رواناب سطحی نیز توانایی تخمین جریان زیرسطحی حوضه‌های آبریز را دارا هستند و تفاوت اساسی در مفهوم زمان پیمایش سطحی و زیرسطحی، بارش مازاد و شدت تغذیه به آبخوان است. مدل‌های سطحی براساس میزان بارش مازاد و زمان پیمایش سطحی به تخمین رواناب سطحی می‌پردازند، لذا از این قابلیت می‌توان برای تخمین جریان زیرسطحی بر اساس میزان نفوذ و زمان پیمایش زیرسطحی استفاده نمود. تفاصيل المقالة

به‌دلیل پیچیده بودن الگوی سه بعدی جریان در اطراف گوشواره‌ی پل ها، برآورد دقیق تغییرات عمق آبشستگی نسبت به زمان دشوار، و در برخی موارد غیر ممکن می‌باشد. در این تحقیق، ابتدا تغییرات عمق آبشستگی در اطراف گوشواره­ها به صورت آزمایشگاهی تحت شرایط آب زلال مورد بررسی قرار گرفته است و سپس با استفاده از نتایج حاصل از سه روش، وایازی غیر خطی (NLR)، شبکه­های عصبی (ANN) و سامانه‌ی منطق فازی-عصبی (ANFIS)، تغییرات آبشستگی در اطراف این سازه­ها پیش بینی شده است. هر چند رابطه‌ی وایازی بدست آمده، نتایج بهتری را نسبت به روابط پیشین ارائه می­کند (R²=0.957, RMSE=0.049 and MAE=0.035)، اما سامانه‌ی منطق فازی- عصبی دارای دقت بالاتری نسبت به رابطه‌ی وایازی ارائه شده و هم­چنین روابط پیشین می‌باشد (R²=0.961, RMSE=0.041and MAE=0.025). نتایج حاصله  از فراسنج­های آماری نشان می­دهد که، هر دو روش ANNو ANFIS می­توانند به عنوان روش­های قدرتمندی در پیش بینی عمق آبشستگی مورد استفاده قرار گیرند.  تفاصيل المقالة