بررسی توانایی شبکه عصبی مصنوعی در برآورد جریان ورودی به مخزن سد (مطالعه موردی: سد گلابر)

برآورد رواناب در حوضه های آبخیز و به ویژه رواناب ورودی به مخزن سد، دارای اهمیت بسیار زیادی در بخش مدیریت منابع آب حوضه میباشد. مدل های فیزیکی و آماری مختلفی برای این منظور گسترش یافته اند که مدل جعبه سایه شبکه عصبی مصنوعی، به دلیل قابلیت انعطاف و ساختاری که دارد، می تواند روابط ذاتی بین متغیرها را کشف نموده و پدیده هیدرولوژیکی مورد نظر را، شبیه سازی نماید. در مطالعه حاضر، از شبکه عصبی مصنوعی پرسپترون، برای تخمین جریان روزانه ورودی به مخزن سد گلابر در استان زنجان استفاده شد. ورودی های شبکه، شامل متغیرهای مستقل مانند دما، بارش، باد و ... بود. پس از بارها سعی و خطا، شبکه بهینه ای که تحت قاعده آموزش لونبرگ- مارکوارت، در مقیاس روزانه توانست مقدار رواناب سال های آبی 1389 تا 1392 را به خوبی مدل سازی کند، معماری شبکه با پنج المان ورودی در تک لایه پنهان بود. در مدل بهینه اشاره شده، ضریب همبستگی مرحله تست شبکه در حدود 80 درصد محاسبه شد و بررسی میانگین ها با تست آماری ، نشان دهنده عدم معنی داری تفاوت در مقدار میانگین سری های زمانی مشاهداتی و مدل سازی در سه مرحله آموزش، صحت سنجی و تست) بود

کلیدواژه ها:

پیش بینی جریان ، تست تی- استیودنت ، دبی روزانه ، شبکه عصبی مصنوعی پرسپترون ، قاعده آموزش لونبرگ مارکوارت ، مخزن سد گلابر زنجان