بررسی مدل های مختلف شبکه عصبی مصنوعی در پیش بینی سیلاب در حوضه زرینه رود

آب های سطحی همواره به عنوان یکی از منابع مهم و عمده تأمین آب شرب و کشاورزی مطرح بوده است. دشت زرینه رودنیز به عنوان یکی از دشت های مهم کشاورزی ایران، استفاده از آبهای سطحی و زیرزمینی را به عنوان مهمترین منابع تولید اب شیرین در پیش رو دارد. در همین زمینه پیش بینی نوسانات دبی آب های سطحی این دشت می تواند کمک شایانی به برنامه ریزی و تصمیم گیری های بعدی، جهت تأمین درازمدت آب شرب، کشاورزی و صنعت نماید. در این تحقیق هدف تخمین دبی های ماهانه در حوضه رودخانه زرینه رود با استفاده از شبکه عصبی مصنوعی می باشد. روش شبکه عصبی مصنوعی یکی از روش های هوشمند می باشد که با استفاده از ارتباط ذاتی داده ها، روابط غیرخطی بین آنها را یاد گرفته و نتایج را برای بقیه حالت ها تعمیم می دهد. به منظور آموزش مدل، از اطلاعات 3 ایستگاه هیدرومتری و ایستگاه های هواشناسی موجود در منطقه استفاده شد. برای این تحقیق 576 مدل شبکه ساخته و با استفاده از تحلیل خطا و ضریب رگرسیون، بهترین توپولوژی برای شبکه انتخاب شد. همچنین تعداد مناسب لایه پنهان، تابع مناسب و شبکه مناسب برای مدل ها انتخاب گردید. خطای کم پیش بینی و ضریب رگرسیون بالای 90 درصد بین مقادیر مشاهده ای و پیش بینی شده، نشانگر قدرت چشمگیر شبکه های عصبی در پیش بینی تغییرات ماهانه دبی است. نتایج تحلیل خطا و محاسبه ضریب رگرسیون نشان داد که با استفاده از شبکه های عصبی مصنوعی می توان تغییرات دبی ماهانه را تا 25 ماه با دقت بالا پیش بینی نمود.

کلیدواژه ها:

آب سطحی ، شبکه عصبی ، پرسپترون چندلایه ، شبکه پیشخور عمومی ، شبکه توابع شعاعی