مدلسازی هیدرواقلیمی پیش بینی جریان ورودی به مخزن: کاربرد شبکه های عصبی مصنوعی

پیش بینی بارش و جریان رودخانه از مهمترین چالشهای بهره برداری از مخازن میباشد. به علت پیچیدگی مدلسازی و تفاوت ذاتی فرآیندهای تشکیل بارش و جریان رودخانه، جهت پیش بینی بلندمدت جریان رودخانه دو رویکرد مختلف پیشنهاد شده است. در رویکرد اول تنها از یک مدل برای ارتباط بین متغیرهای هیدرواقلیمی و جریان رودخانه استفاده میشود. برای پیش بینی در زمان واقعی با استفاده از این رویکرد، متغیرهای بارش، دمای هوا، رواناب و بودجه برفی مشاهده شده در زمان حال به عنوان ورودی مدل استفاده میشود. در رویکرد دوم از ترکیب دو مدل پیش بینی هواشناسی برای پیش بینی متغیرهای بارش و دمای هوا و یک مدل هیدرولوژیکی برای تبدیل متغیرهای پیش بینی شده به جریان رودخانه در شرایط موجود هیدرولوژیکی استفاده میشود. از شبکه های مصنوعی انتشار خطا به عقب و آدالاین تطبیقی برای مدلسازی با استفاده از هر دو رویکرد ذکر شده برای پیش بینی ماهانه جریان رودخانه زاینده رود در محل ورودی به سد زایند رود استفاده میشود. مقایسه نتایج بدست آمده از دو رویکرد فوق نشان دهنده برتری عملکرد رویکرد دوم نسبت به رویکرد اول میباشد

کلیدواژه ها:

مدلسازی ، شبکههای عصبی ، پیشبینی بارش ، پیشبینی جریان