بررسی کارآیی شبکه عصبی مصنوعی در شبیه سازی بارش و رواناب

هدف از مطالعه حاضر، برآورد متوسط جریان روزانه هر ماه با استفاده از آمار مجموع بارش روزانه آن ماه (Pt) و متوسط جریان روزانه ماه‌های پیش، در شاخه اصلی رودخانه زاینده‌رود می‌باشد. شاخه اصلی رودخانه زاینده‌رود یکی از مهم‌ترین ورودی‌های سد زاینده‌رود است. بدین منظور آمار Q(بار) و Pt از سال 1351 تا 1383 مربوط به ایستگاه‌ آبسنجی و باران‌نگاری قلعه‌شاهرخ واقع بر این رودخانه گردآوری شده، به دو دسته کم باران و پرباران تقسیم‌بندی و با استفاده از شبکه چند لایه پیشخور با قاعده پس‌انتشار خطا با چند توپولوژی مختلف آموزش داده شدند. نتایج حاصل از این تحقیق بیانگر آن است که پاسخ‌های حاصل از شبکه‌های طراحی شده برای ماه‌های پرباران چندان مناسب نیست، اما برای ماه‌های کم‌باران پاسخ‌های بسیار مطلوبی ارائه می‌دهد.

کلیدواژه ها:

بارندگی ، رواناب ، کم‌باران ، پرباران ، شبکه عصبی مصنوعی ، شبکه پیشخور ، پس‌انتشار خطا