مدل شبكه عصبي مصنوعي براي بررسي همبستگي مكاني و زماني بين ايستگاهها در پيش بيني جريان ورودي به مخزن سد

برآورد جریان ورودی به مخزن سد به دلیل اهمیتی كه 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 شبكه عصبی مصنوعی (ANN) و مدل رگرسیون خطی چند متغیره بر اساس آمار آبدهی ایستگاههای هیدرومتری واقع در بالادست مخزن سد دز، با دو رویكرد كلی برای تعیین بهترین الگو با همبستگی زمانی و مكانی، و در مقیاس های زمانی روزانه و ماهانه، پیش بینی شده است. نتایج بدست آمده نشان می دهد در حالت كلی با در نظر گرفتن ضریب همبستگی و معیار میانگین مربعات خطاها، مدل شبكه عصبی مصنوعی ساخته شده عملكرد بهتری نسبت به مدل رگرسیون خطی دارد. همچنین، همبستگی مكانی مقادیر داده های آبدهی ایستگاه سد با مقادیر متناظر در ایستگاه های بالادست سد دز بررسی شده است و ساختار مدل شبكه عصبی مصنوعی كه قادر به پی شبینی مطلوب جریان ورودی به مخزن سد در مقیا سهای زمانی كوتاه مدت (روزانه) و بلندمدت (یك ماهه) است، ارائه شده است. بهترین نتیجه پیش بینی كوتاه مدت، دو روز قبل با داده های ایستگاه تنگ پنج و طولانیترین زمان پیش بینی بلندمدت، یك ماه قبل با به كارگیری داده های تمام ایستگاههای بالادست است.