پيش بيني احتمالاتي هيدرولوژيكي با استفاده از شبكه هاي عصبي آماري

پیش بینی متغیرهای هیدرولوژیكی یكی از مهم ترین چالش ها در برنامه ریزی و مدیریت منابع آب است. استفاده از پیش بینی های احتمالاتی به ویژه در افق های زمانی بلند مدت، نسبت به پیش بینی های قطعی از اولویت بیشتری برخوردار بوده و با واقعیت ها انطباق بیشتری دارد. شبكه های عصبی مصنوعی ابزار مناسبی برای پیش بینی سیستم های غیر خطی نظیر پیش بینی های هیدرولوژیكی می باشند. هرچند ضعف بزرگ اغلب این نوع شبكه ها، ارائه تخمین های قطعی وغیر احتمالاتی است. در این مقاله برای غلبه بر این ضعف شبكه های عصبی متداول و به عنوان یك راه حل مناسب ، یك شبكه عصبی آماری تدوین و ارائه میشود. این شبكه تركیبی از شبكه های عصبی آماری و شبكه عصبی پرسپترون چند لایه می باشد كه ازمزیت هر دوی این شبكه ها برای انجام پیش بینی های احتمالاتی به ویژه در شرایط غیر همگن بهره می برد. عملكرد شبكه عصبی تركیبی ارائه شده، شبكه عصبی RBF و مدل آماری K-NN در قالب پیش بینی حجم رواناب فصلی ورودی به سد زاینده رود مقایسه می گردد. نتایج، نشان دهنده برتری شبكه عصبی تركیبی ارائه شده در ارائه پیش بینی های بلند مدت بر اساس دو معیار دقت و اطمینان پذیری پیش بینی می باشد.