محمدابراهیم بنی حبیب - استادیار گروه مهندسی آبیاری و زهکشی پردیس ابوریحان دانشگاه تهران
سید مجید موسوی - فارغ التحصیل کارشناسی ارشد آبیاری و زهکشی، دانشگاه تهران
فریماه سادات جمالی - دانشجوی کارشناسی ارشد مهندسی منابع آب، دانشگاه تهران

برآورد جریان ورودی به مخزن سد به دلیل اهمیتی که در مدیریت و بهره برداری از مخزن دارد، از موضوعات مهم در منابع آب محسوب می شود. در مقاله حاضر، جریان ورودی به مخزن سد دز با استفاده از مدل شبکه عصبی مصنوعی (ANN) و مدل رگرسیون خطی چند متغیره بر اساس آمار آبدهی ایستگاههای هیدرومتری واقع در بالادست مخزن سد دز، با دو رویکرد کلی برای تعیین بهترین الگو با همبستگی زمانی و مکانی، و در مقیاس های زمانی روزانه و ماهانه، پیش بینی شده است. نتایج بدست آمده نشان می دهد در حالت کلی با در نظر گرفتن ضریب همبستگی و معیار میانگین مربعات خطاها، مدل شبکه عصبی مصنوعی ساخته شده عملکرد بهتری نسبت به مدل رگرسیون خطی دارد. همچنین، همبستگی مکانی مقادیر داده های آبدهی ایستگاه سد با مقادیر متناظر در ایستگاه های بالادست سد دز بررسی شده است و ساختار مدل شبکه عصبی مصنوعی که قادر به پی شبینی مطلوب جریان ورودی به مخزن سد در مقیا سهای زمانی کوتاه مدت (روزانه) و بلندمدت (یک ماهه) است، ارائه شده است. بهترین نتیجه پیش بینی کوتاه مدت، دو روز قبل با داده های ایستگاه تنگ پنج و طولانیترین زمان پیش بینی بلندمدت، یک ماه قبل با به کارگیری داده های تمام ایستگاههای بالادست است.

پیش بینی جریان، شبکه عصبی مصنوعی، رگرسیون خطی، سد دز، همبستگی زمانی و مکانی