شبیه سازی دبی های سیلزا با استفاده مدل پرسپترون چند لایه (MLP) روش شبکه عصبی مصنوعی ( مطالعه موردی : حوزه آبخیز میناب )

یکی از ابزار ها ی اساس ی در مد یریت منابع آب پ یش بینـی تولیـ د وتقاضـا ی آب اسـت . پـیش بینی دبی روزانه رودخانه یکی از مهمتـر ین مـسائل هیـدرولوژیکی اسـت کـه بـرا ی مـد یریت سـ یلاب بـس یار مهـم است . یک پ یش بینی منطق ی از س یلاب نه تنها اطلاعات مف یدی برا ی مد یریت منابع آب در اخت یار ما قـرار می دهد، بلکه کمبود آب مصرفی را کاهش داد و از حوادث غیرقابل تصور جلـوگ یری مـ ی کنـد . پـ یش بینی جر یان رودخانه برای آنال یزهای اقتصاد ی مد یریت منابع آب یک مسئله حائز اهمیت می باشد . شـبکه عصبی یک تکن یک قابل انعطاف با ساختار ر یاضی است که ما را قادر م ی کند بدون توجه به پدیده هـا ی طبیعی روابط پیچیده غیر خطی بین داده ها ی ورود ی وخروجی را تشخیص دهیم . در خـصوص مـدلها ی بارش ‐ رواناب بدل یل عکس العمل غ یر خطی یک حوزه آبخیز به رویداد باران مـسئله بـس یار پیچیـ ده مـی گردد . علاوه بر ا ین بدلیل تغییرات مکانی بارش در یک حوزه ا ین پیچیدگی بیشتر نیـ ز مـ ی شـود . در ایـن تحقیق هدف کاربرد شبکه عصب ی مصنوع ی در مهندس ی رودخانه بود ه ،که با اسـتفاده از ا ین روش پـ یش بینی دب ی سیلزا روزانه ا یستگاه م یناب انجام شود . نتایج ح اصل از این تحقیق نشان داده است، که اگـر چـه مقداری خطا ی برآورد ی در این روش وجود دارد ولی از دقت بالاتری برخـوردار اسـت و در نتیجـه در شبیه ساز ی دبی ها ی سیلزا ، روش شبکه عصبی مصنوعی روشی مناسب است . در نهایت با در نظر گرفتن سادگی ساختار ،نوع اطلاعات مورد نیاز مدلها ی شبکه عصبی مصنوعی و سرعت بالا ی آنهـا ، مـی تـوان نتیجه گرفت که دقت بدست آمده در بس یاری از پروژها به خصوص در مراحل اول طراحی که اطلاعات موجود چندان زیاد نیستند، بسیار مطلوب می باشد .

Keywords:

شبیه سازی , شبکه عصبی , دبی , سیلزا , پرسپترون چندلایه