استفاده از شبكه عصبي مصنوعي در تعيين دبي سريز سد مارون

Utilization of Artificial Neural Networks for Determining the Overflow Discharge of Marun Dam

براي اندازه‌گيري دقيق‌تر جريان آب، همواره سعي شده است تا حد امكان سازه‌هاي با نقص كمتر و دقت بالاتر طراحي شود. سرريز و دريچه ازجمله سازه هايي هستند كه همواره براي اندازه گيري ميزان جريان آب، به‌صورت گسترده مورد استفاده قرار مي‌گيرند امروزهصبي مصنوعي بر مبناي استفاده از دانش نهفته بين متغيرهاي ورودي و خروجي يك مسئله، بدون دسطح آزاد آب و درصد آب‌گذري و پارامتر خروجي دبي سريز سد مخزني مي‌باشد. مدل‌هاي مورد استفاده در شبكه هاي عصبي مصنوعي شامل شبكه هاي پيشخور (FF)، شبكه المان جردن (JEN)، با مقايسه‌ي نتايج حاصل از مدل‌هاي شبكه‌هاي عصبي مصنوعي تكاملي با مقادير آزمون اندازه‌گيري شده مشخص گرديد كه مدل MLP نسبت به ساير مدل‌ها از دقت و توانايي بيشتري در تعيين دبي سد مخزني مارون، برخوردار است. همچنين ضريب رگرسيوني(R2) اين مدل در سه مرحله آموزش، اعتباريابي و آزمون برابر 942/0، 9479/0 و 9468/0 و شيب خط راست برابر 9413/0، 9287/0 و 9564/0 مي‌باشد كه بيانگر انعطاف‌پذيري و دقت بالاي مدل است.

For more accurate measurement of the water flow, it has been always attempted to design structures with least errors and highest accuracy. Nowadays, the use of artificial neural networks (ANN) models has been rapidly grew mainly due to the fact that these models are not confined to the physical parameters. Artificial neural networks are based on use of embedded knowledge between input and output variables of a problem, regardless of physical aspects and these networks are able to extract inherent relation of the input and output and they can generalize the obtained relation to other situations and cases. In the present research, the information related to the overflow of Marun Storage Dam was adopted. The input parameters of ANN model are as follows: day, month, water surface elevation, water sharing percent and output parameters overflow discharge of storage dam. The models employed in artificial neural networks include FF, JEN, MLP and RBF. Moreover, the genetic algorithm (GA