مقايسه دو روش شبكه عصبي مصنوعي و سري زماني در پيش بيني ميزان جريان رودخانه  Fulltext 

[ محبوبه كفيل ] - كارشناسي ارشد سازه هاي آبي دانشگاه مازندران
[ ميرخالق ضياء تبار احمدي ] - استاد گروه آبياري دانشگاه مازندران

خلاصه مقاله:

برنامه ريزي، توسعه، مديريت و بهره برداري بهينه از سيستم هاي منابع آب، ضرورت دسترسي به اطلاعات متنوعي را در زمينه هاي هواشناسي، هيدرولوژي ، اقتصادي، اجتماعي و … تداعي مي نمايد. مدلهاي رياضي موجود به داده هاي فراواني در زمينه هاي متعدد نياز دارند. در سالهاي اخير، از شبكه هاي عصبي مصنوعي به دليل توانمندي آنها در حل مسائل پيچيده و غير خطي، به طرز قابل توجهي در شبيه سازي فرآيندهاي مختلف استفاده شده است. در اين تحقيق با استفاده از شبكه عصبي پرسپترون سه لايه با تابع تاتژانت سيگموئيد (tansig) در لايه مخفي و تابع خطي (purelin) در لايه خروجي و متد آموزش لونبرگ – ماركوات (LM) و با استفاده از اطلاعات ايستگاه هاي آبسنجي موجود درحوزه، مدلي براي پيش بيني جريان روزانه و ساعتي در خروجي حوزه كر – چمريز ، ايجاد و نتايج آن با روش خطي سري زماني اتورگرسيو و رگرسيون چندگانه مقايسه شده است. در تمام الگوهاي به كار رفته در مقياس زماني روزانه عملكرد شبكه عصبي بهتر ازروشهاي اتورگرسيو و رگرسيون چندگانه بوده است ولي در مقياس زماني ساعتي نتايج بر عكس بوده است.

پيش بيني جريان رودخانه ، سيستم هاي هشدار سيل ، پرسپترون چند لايه ، پس انتشار خطا ، اتورگرسيو ، رگرسيون چندگانه