نادر برهمند - عضو هیئت علمی ، گروه مهندسی عمران، دانشگاه آزاد اسلامی واحد لارستان، ایران،
محمد حسینی - کارشناس ارشد عمران سازه های هیدرولیکی،گروه مهندسی عمران،دانشگاه آزاد اسلامی واحد لارستان،ایران،

در سالهای اخیر بنا به عللی که غالبا مربوط به تغییرات جهانی اقلیم می باشند ناهنجاریهای بارش در نواحی مختلف کشور ایران نیز فزونی یافته است. در نتیجه افزایش وقوع خشکسالی در نواحی مختلف کشور را می توان از اثرات نوسانات بارشمحسوب نمود. بدین منظور انواع گوناگونی از مدلهای عددی بوجود آمده و توسعه یافته اند. در این تحقیق از مدل شبکه عصبی مصنوعی پیشخور چند لایه ای پرسپترون استفاده شده است با استفاده از داده های آماری وابستگی دبی متوسط ماهیانه باپارامترهای کیفی رودخانه را بررسی کرده و سپس متغیر های ورودی را با استفاده از شبکه عصبی مصنوعی، آموزش داده و بهنرم افزار معرفی کرده تا در مرحله تست شبکه قرار گیرد و در نهایت با استفاده از معیار های صحت سنجی ، نتایج حاصله را بررسی کرده تا بهترین و مناسبترین میزان تخمین دبی متوسط ماهیانه بدست آید. مدلسازی عصبی مصنوعی جهت تخمیندبی متوسط ماهانه نشان داد که با افزایش تعداد نرونها، دقت مدل )ضریب همبستگی( بالاتر رفته و نهایتا ضریب همبستگی دریک مقدار، تقریبا ثابت گشته و یا کمی کاهش می یابد. بهترین و دقیقترین تخمین از دبی متوسط ماهیانه توسط ساختار شماره 4 می باشد که در این ساختار از بارش ماهیانه ماه قبل و دو ماه قبل و نیز از دبی متوسط ماهیانه ماه قبل جهت پیشبینی دبی متوسط ماه جاری در رودخانه کر )ایستگاه چمریز( استفاده شده است.اطلاعات آماری مربوط به ایستگاه هیدرومتری چمریز بر روخانه کر بالادست سد دروزن واقع در استان فارس می باشد

شبکه عصبی مصنوعی ، ضریب همبستگی ، ایستگاه هیدرومتری، ایستگاه چمریز