محمدابراهیم بنی حبیب - پردیس ابوریحان دانشگاه تهران
فریماه سادات جمالی - دانشگاه تهران

هدف تحقیق حاضر، مقایسه توانایی مدل شبکه عصبی مصنوعی و مدل همبستگی خطی چند متغیره در پیشبینی ششماه آینده جریان ورودی به مخزن سد شاهچراغی در استان سمنان، بر اساس دادههای ماهانه آبدهی، دمای متوسط،ماهواره AVHRR بارش و سطح پوششبرف چند ماه قبل میباشد. برای تعیین سطح پوششبرف، از تصاویر سنجندهاستفاده گردیده و جداسازی سطح برف با استفاده از روش جداسازی پدیدهها بر اساس حد آستانه هیستوگرام NOAAآنها در باندهای مرئی و حرارتی انجام شده است. یک لایه مخفی و تابع انتقال سیگموئید و تابع آموزش لونبرگ-مارکوارت در ساختار مدلهای شبکه عصبی مصنوعی استفاده گردیده است. پنج مدل شبکه عصبی مصنوعی دینامیک وپنج مدل همبستگی خطی چند متغیره با دادههای ورودی متفاوت ساخته شده و نتایج آنها مقایسه شد. معیارهای انتخابمیانگین قدرمطلق خطای نسبی ،(MBE) انحراف خطای میانگین ،(RMSE) بهترین مدل، شامل جذر متوسط خطابوده و بهترین نتیجه با مدلی حاصل گردید که ( R و ضریب همبستگی ( ۲ (REmax) حداکثر خطای نسبی ،(MARE)دادههای بارش، آبدهی و سطح پوشش برف را به عنوان ورودی مدل استفاده کرده است. همچنین بهبود نتایج مدلمنتخب نسبت به مدل همبستگی خطی چند متغیره که در تحقیقات قبلی برای پیشبینی جریان به کار رفته است، بررسیشده است. نتایج نشان میدهد شاخصخطای نسبی حداکثر در مدل شبکه عصبی ۸۰ % کمتر از مدل رگرسیون خطی چندمتغیره است.

پیشبینی جریان, سد شاهچراغی, سطح پوشش برف, شبکه عصبی مصنوعی دینامیک, همبستگی خطی چند متغیره