بررسی الگوهای مختلف ورودی در تخمین رواناب ماهیانه(مطالعه موردی:حوضه آبخیز قره قم)

از دیرباز معادله های متنوعی بری تعیین رواناب به منظور مدیریت منابع آب توسط پژوهشگرن ارایه شده ‏که کاربرد گسترده ا‏ی در علوم هیدرولوژی دارند. یکی از این روش ها شبکه های عصبی مصنوعی است که از مولفه های هوش مصنوعی محسوب می شود. در این گونه مدل ها بدون در نظرگرفتن معادلات پیچیده ‏غیرخطی می توان دینامیک حاکم بر سیستم را استخراج نموده و از این طریق، خروجی های مدل را پیش بینی نمود. دراین پژوهش کاربرد شبکه عصبی در انتخاب بهترین ساختار ورودی به شبکه جهت تخمین رواناب ماهانه بررسی شد. بدین منظور سه ایستگاه ‏هیدرومتری واقع در حوزه( امامزاده رادکان، موشنگ، زشک خرسان)، به عنوان ایستگاه ‏های مرجع انتخاب شد و از پارامترهای بارش ماهانه، دما و تبخیر ماهانه در قالب 10 ‏ساختار به عنوان ورودی در طول دوره آماری 30 ‏ساله ( 1389 ‏- 1360 ‏) استفاده شد. از کل داده های موجود 80% داده ها جهت آموزش شبکه و 20% داده ها جهت آزمون شبکه انتخاب شد. نتایج نشان داد که از بین 10 ‏ساختار ورودی به کار رفته برای ایستگاههای امامزاده رادکان، موشنگ و زشک خرسان، بهترین ساختار به ترتیب M8، M9و M4با میزن خطای 0/081 ‏، 0/047 ‏، 0/071 ‏و ضریب همبستگی 0/619، 0/713 ‏و 0/709 ‏می باشد

کلیدواژه ها:

تخمین رواناب ، حوزه قره قوم ، شبکه عصبی مصنوعی