بررسي تاثير عامل بارش پيشين در برآورد جريان رودخانه توسط شبكه عصبي مصنوعي (مطالعه موردي: رودخانه بختياري)

In hydrology, there has been a virtual explosion in the use of artificial neural networks (ANNs) over the last 10 years. However, most of the recent ANN research have been devoted to comparing ANNs an

در دهه گذشته استفاده از شبكه عصبي در شبيه سازي فرآيندهاي هيدرولوژيكي افزايش چشمگيري داشته است. نظر به اين كه بيشتر تحقيقات در اين زمينه معطوف به رابطه بين اين شبكه ها و ساير مدل هاي بارش رواناب و يا ارزيابي الگوريتم هاي آموزش است پژوهشي جهت بررسي ورودي هاي اساسي و كمكي، جهت پيش گويي جريان ضروري به نظر مي رسد. در اين تحقيق به منظور پيش‌بيني روزانه جريان رودخانه بختياري از شبكه پرسپترون چند لايه استفاده و جهت نيل به اهداف فوق به بررسي نقش بارش پيشين در فرايند بارش- رواناب پرداخته شد و اين پارامتر نيز به ورودي هاي مدل اضافه و بهبود قابل توجهي در نتايج پيش بيني (با ضريب تعيين 94/0 در مرحله صحت سنجي) حاصل گرديد. بررسي آناليز حساسيت مدل نسبت به پارامترهاي ورودي نشان دهنده اين مطلب بود كه دبي يك روز قبل، ميزان بارش 7 روز قبل و بارش در ايستگاه باران سنجي تنگ پنج، پارامترهاي اصلي اين حوزه در پيش گويي جريان روزانه رودخانه مي باشند.

In hydrology, there has been a virtual explosion in the use of artificial neural networks (ANNs) over the last 10 years. However, most of the recent ANN research have been devoted to comparing ANNs and more established rainfall runoff models or to assessing ANN training algorithms, while norms are still lacking that would help hydrologists to create and train efficient ANN models in a systematic way. In the present study was used multi layer perceptron for forecasting of Bakhtiariʹs of daily inflow. For this purpose was examined role of antecedent precipitation index in rainfall runoff process and this parameter added to model inputs and considerable improvement was resulted in forecasting result (with determination coefficient of 0.94 in verification step). The results of sensitivity analysis verified that one day ago inflow and 7 days ago precipitation in Tangpanj station are important parameters in river daily inflow forecasting.