بررسي تأثير پارامتر هاي ورودي ( آناليز حساسيت ) بر عملكرد مدل هاي شبكه عصبي مصنوعي بارش - رواناب مطالعه موردي حوزه آبريزطرق - خراسان رضوي

یكی از پدیده های حائز اهمیت در هیدرولوژی فرایند بارش- رواناب می باشد.استفاده از شبكه های عصبی مصنوعی برای پیش بینی پدیده های هیدرولوژیكی با توجه به ماهیت غیرخطی و اتفاقی آن ها قابل توجیه است در این تحقیق، شش شبكه عصبی مصنوعی پرسپترون چند لایه مجزا با ورودی های مختلف با توابع محرك متفاوت استفاده شده است. بدین منظور بعد از تعیین تعداد نرون بهینه به ازای پارامترهای ورودی مختلف، میزان خطای تولید شده در پیش بینی سیلاب های متوسط محاسبه شده و از این طریق، تأثیر عوامل مختلف بر روی محاسبه دقیق تر سیلاب ها توسط شبكه بررسی شده است. در نهایت مشخص گردید دو مدل شبكه عصبی MLP با چهارده نرون ورودی و پانزده نرون در لایه میانی بهترین عملكرد را ارائه نمودند و پیش بینی ها با خطای كمتری محاسبه شده است.