محمد ابراهیم بنی حبیب
محمد ولی پور
سید محمودرضا بهبهانی

در مقاله حاضر قابلیت مدل خود همبسته شبکه عصبی مصنوعی دینامیک برای پیش­بینی جریان ماهانه ورودی مخزن سد دز ارزیابی شده و نتایج  به دست آمده با مدل خودهمبسته شبکه عصبی مصنوعی استاتیک مقایسه شده است. در تحقیقات قبل مقایسه مدل های استاتیک و دینامیک در شبکه های عصبی مصنوعی صورت نگرفته است. ضمنا تحقیق حاضر از حیث خودهمبستگی مدل شبکه عصبی مصنوعی، دارای نوآوری می باشد. در این تحقیق آبدهی های ماهانه بین سال های ۱۳۳۴ تا ۱۳۸۰ استفاده شده است. به طوری که  آمار مربوط به ۴۲ سال اول برای آموزش مدل ها و ۵  سال اخیر برای پیش­بینی مدل ها استفاده گردید. ساختار های مختلف برای مدل های شبکه عصبی مصنوعی استاتیک  و دینامیک با مقایسه شاخص  جذر متوسط مربع خطا  بررسی گردید. در ابتدا با استفاده از داده های مهر  ۱۳۳۴ تا شهریور  ۱۳۷۶ در مرحله آموزش مدل ها بهترین ساختار مدل های شبکه عصبی مصنوعی استاتیک و دینامیک به دست آمد. سپس بر اساس ساختارهای بهینه، جریان ماهانه ورودی به مخزن سد دز پیش­بینی شده و با داده های مشاهده­ای مهر ۱۳۷۶ تا شهریور ۱۳۸۱ مقایسه گردید. در این تحقیق همچنین دونوع تابع فعالیت شعاعی و سیگموئیدی و تعداد نرون های مختلف در لایه میانی، بررسی شد. نتایج نشان داد که بهترین مدل در پیش­بینی جریان ورودی به مخزن سد دز،  مدل خود­همبسته شبکه عصبی مصنوعی با تابع فعالیت سیگموئیدی و تعداد ۱۷ نرون در لایه میانی می با شد. مدل های خودهمبسته شبکه عصبی مصنوعی استاتیک  و دینامیک با تابع فعالیت سیگموئیدی جریان ورودی به مخزن سد دز را از ۵ سال قبل پیش­بینی می نمایند.

پیش بینی جریان ورودی به مخزن سد, سد دز, مدل خودهمبسته شبکه عصبی مصنوعی