مدلسازي هوشمند سري زماني جريان ماهانه حوضه رودخانه شور قروه با شبكه عصبي مصنوعي

پيش بيني دقيق جريان در رودخانه ها يكي از مهمترين اركان در مديريت منابع آبهاي سطحي به ويژه اتخاذ تدابيري مناسب در مواقع سيلاب و بروز خشكسالي هاست. در حقيقت حصول روشهاي مناسب و دقيق در پيش بيني جريان رودخانه ها را مي توان به عنوان يكي از چالشها در فرآيند مديريت و مهندسي منابع آب دانست. در اين پژوهش براي مدلسازي هوشمند سري زماني جريان ماهانه از يك دوره ي آماري26ساله (1389-1364) استفاده شد. جهت دستيابي به بهترين ساختار شبكه عصبي مصنوعي، ساختارهاي مختلف با يكديگر مقايسه شدند با اين توضيح كه جهت بهينه سازي وزن هاي اتصال در بين لايه هاي مختلف شبكه-عصبي مصنوعي از الگوريتم ژنتيك استفاده شده است. قانون يادگيري مورد استفاده در اين تحقيق از نوع يادگيري سريع، با تابع انتقال تانژانت اكسون، تابع هدف، ميانگين مربعات خطا و نوع آموزش از نوع آموزش N مرتبه مي باشد نتايج نشان مي دهند كه بهترين عملكرد مربوط به حالتي است كه از ورودي هاي بارش هر ماه، جريان هر ماه و دماي هر ماه براي بدست آوردن جريان ماه آينده استفاده شده است. همچنين در هر مرحله كه جريان يا بارندگي به تنهايي به عنوان ورودي وارد شد عملكرد شبكه كاهش يافت. نتيجه اينكه بيشترين حساسيت مربوط به جريان هرماه مي باشد و پارامتر دما تاثير چنداني بر برآورد جريان ندارد. نتايج حاصل با توجه به ضريب همبستگي0/84 نشان دهنده دقت نسبتاً بالاي شبكه عصبي مصنوعي در برآورد و تخمين جريان ماهانه حوضه رودخانه شور بوده است.