استفاده از شبكه هاي عصبي مصنوعي و الگوريتم ژنتيك به منظور مدلسازي بارش رواناب ايستگاه علي آباد خفر و قياس نتايج

در اين تحقيق سعي شده ‌است كه يك مدل شبكه عصبي مصنوعي و يك الگوريتم ژنتيك بهينه جهت شبيه سازي مقدار دبي متوسط هفتگي ايستگاه علي‌آباد خفر با استفاده از تركيب مناسبي از متغيرهاي در دسترس كه شامل ميزان بارش هفته‌ي گذشته سه ايستگاه خانزنيان، اميرآباد و دودو و همچنين ميزان دبي متوسط هفتگي هفته قبل ايستگاه بند بهمن و علي‌آباد و دبي دو هفته قبل ايستگاه علي آباد طراحي و الگوريتم مناسبي براي آموزش آن ارائه شود. در اين تحقيق در ابتدا تاثير الگوريتم‌هاي آموزشي پس‌انتشار و نيز الگوريتم ژنتيك بر كارائي شبكه‌ي عصبي مصنوعي بررسي، نتايج و ميزان دقت مربوط به مدل‌سازي با هر كدام از اين الگوريتم ها با يكديگر مقايسه و الگوريتم آموزشي مناسب (كه عملكرد آماري بهتر از خود نشان داده‌است) تعيين گرديده شده است. نتايج بيانگر اين مطلب هستند كه شبكه‌ي عصبي كه با الگوريتم پس انتشار آموزش ديده ‌است، داراي توانايي و دقت بسيار بيشتري نسبت به آموزش با الگوريتم ژنتيك مي باشد. دبي هفته گذشته ايستگاه علي آباد، دبي دو هفته گذشته اين ايستگاه، همراه با دبي هفته قبل ايستگاه بند بهمن به عنوان متغييرهاي مستقل در طراحي شبكه‌ي عصبي مصنوعي در نظر گرفته شده اند، و اين باعث شده است كه عملكرد مدل، تطابق بيشتري با داده‌هاي واقعي داشته باشد. شبكه‌ي عصبي مصنوعي آموزش ديده با الگوريتم پس‌انتشار توسط متغييرهاي مستقل، قدر مطلق اختلاف نسبي متوسط 03/0 و ضريب همبستگي مربوط به برازش نزديك به يك را، در پيش‌بيني تمامي داده‌هاي دبي جاري ايستگاه علي‌آباد از خود نشان داده است. از آنجاييكه اين مدل، بهترين عملكرد را در بين تمامي مدل‌هاي بررسي شده از خود نشان داده ‌است، به عنوان بهترين مدل معرفي شده است.