شبیه سازی جریان رودخانه با استفاده از شبکه عصبی مصنوعی (مطالعه موردی: حوزه قره آغاج استان فارس)
چکیده
به منظور پیش بینی جریان رودخانه در حوزه های آبخیز طی سالیان متمادی روشهای مختلفی ابداع گردیده که کارایی آنها نیز به اثبات رسیده است. یکی از این مدلهای شیبه سازی، شبکه های عصبی مصنوعی است که می تواند با دقتی در خور توجه واقعیات موجود را به تصویر بکشد. در این تحقیق به منظور شبیه¬سازی دبی به بررسی و تاثیر پارامترهای هواشناسی بر روی جریان رودخانه قره آغاج پرداخته شد. برای این منظور از آمار دبی، بارش و دمای ماهیانه ایستگاههای موجود حوزه با طول دوره آماری 23 سال (83-1360) استفاده گردید. داده های موجود پس از نرمال سازی به سه دسته آموزش، صحت سنجی و آزمایش تقسیم و به 5 صورت متفاوت و 9 مدل با استفاده از شبکه عصبی پرسپترون چند لایه با قانون پس انتشار خطا و توابع یادگیریlm و gdx مورد آزمون قرار گرفتند. بهترین آرایش شبکه با استفاده از تابع یادگیری lm به صورت 1-21-9 با مقادیر ضریب همبستگی 1 و 1 بترتیب برای داده های آموزش و تست و برای تابع یادگیری gdx نیز به صورت 1-13-7 با مقادیر ضریب همبستگی 94/0 و 96/0 حاصل گردید. نتایج حاصل بیانگر تاثیر پارامترهای هواشناسی مانند دما و بارش روی جریان خروجی حوزه و اختلاف بسیار ناچیز بین داده های شبیه سازی شده با مقادیر مشاهداتی می باشد. همچنین شبکه های عصبی در شبیه سازی جریان رودخانه با تابع یادگیری lm کارایی بهتری را نشان داد.