پیمان صیامی دودران - دانشجوی کارشناسی ارشد اب و سازه های هیدرولیکی، دانشگاه آزاد اسلامی واحد تهران شرق،تهران،ایران
اکبر مختارپور - استادیار گروه مهندسی عمران،دانشگاه آزاد اسلامی واحد تهران شرق،تهران،ایران
روح الله احمدی جزنی - استادیار گروه مهندسی عمران،دانشگاه آزاد اسلامی واحد تهران شرق،تهران،ایران

امروزه یکی از دغدغه های مدیریت امور مهندسی آب تحلیل جریان ها و تخمین مقدار آنها می باشد. در سالهای اخیرشبکه های عصبی مصنوعی بدلیل توانمندی بالا در حل مسایل غیرخطی و پیچیده، بطور قابل توجهی در شبیه سازیفرایندهای مختلف استفاده شده است. شبکه های عصبی مصنوعی دارای ساختار منعطف و غیرخطی است که این ساختاربا خصوصیات و رفتار سیستم های منابع آبی به خوبی هماهنگی دارد و از این رو نتایح قابل قبولی در این مورد بدست آمده است.در این تحقیق از دو مدل شبکه های عصبی مصنوعی مبتنی بر توابع پایه شعاعی (RBF) و رگرسیون خطی برای شبیه سازی جریان های ورودی به مخزن سد یامچی استفاده شده است. کارایی مدل های توسعه داده شده در این تحقیق با استفاده از معیارهای آماری چون ریشه مجذور متوسط مربعات خطای (RMSE)، میانگین مطلق خطا (MAE)، متوسط خطای مطلق نسبی (AARE)، ضریب کارایی (E) و ضریب همبستگی (R2) مورد ارزیابی قرار گرفته است که در مقایسه بهترین مدل روش شبکه های عصبی مصنوعی (مدل 19) و بهترین مدل روش رگرسیون خطی (مدل 22) به این نتیجه رسیدیم که شبکه های عصبی مصنوعی RBF می تواند در مرحله تست با (AARE=0.2128, RMSE=0.4423, R2=0.9587, MAE=0.3331, E=0.9164) نسبت به روش رگرسیون خطی با (RMSE=0.5041, R2=0.957, E=0.891.5, AARE=0.3819, MAE=0.3763) در مرحله آموزش بهتر و جامع تر می باشد. پس در یک بیان کلی می توان گفت که در تحقیق مدل سازی تحلیل جریان های ورودی به مخزن سد یامچی، استفاده از مدل های روش شبکه های عصبی مصنوعی (RBF) در مقایسه با مدل رگرسیون خطی دقت بهتری داشته است.

تحلیل جریان های ورودی ، بارش – رواناب، شبکه های عصبی مصنوعی، رگرسیون خطی