پیش بینی جریان ورودی به مخزن سد گلابر با کمک شبکه عصبی مصنوعی

در دهه های اخیر، به سبب اهمیت یافتن مساله کم آبی، تامین نیازهای بشری از منابع آب سطحی با مشکلاتی رو به رو شده است. مدیران و صاحب نظران عرصه مدیریت منابع آب، با کمک مدل های پیش بینی جریان در رودخانه، همواره سعی در مدل سازی جریان های آتی به منظور تامین آب کافی برای مصارف مختلف و حفظ حداقل جریان مورد نیاز برای رعایت مسایل زیست محیطی رودخانه دارند. این مدل های پیش بینی، دارای نقاط قوت و ضعف می باشند که در میان آنها، مدل 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 این مطالعه از شبکه عصبی مصنوعی، برای مدل سازی جریان روزانه ورودی به سد گلابر استفاده شد. داده های ورودی شبکه، شامل داده های مختلف مانند دما، بارش، باد و ... بود. شبکه بهینه ای که تحت قاعده آموزش لونبرگ- مارکوارت، در مقیاس روزانه توانست مقدار رواناب (روزانه) سال های آبی 1389 تا 1392 را به خوبی مدل سازی کند، مدلی با پنج المان ورودی در تک لایه پنهان بود. در این مدل، ضریب همبستگی مرحله تست در حدود 80 درصد و متوسط خطای مطلق، برابر 0/043 بود.

کلیدواژه ها:

پیش بینی جریان ، دبی روزانه ، سد گلابر ، شبکه عصبی مصنوعی ، قاعده لونبرگ- مارکوارت ، مدل سازی رواناب