مهدی محرم پور - دانشگاه آزاد اسلامی واحد بوئین زهرا ،باشگاه پژوهشگران جوان ، بوئین ز
سعید کاظمی محسن آبادی

شبکه های عصبی تابع بنیادی شعاعی، با بروز رسانی ضرایب وزنی روابط بین سیگنالهای ورودی و خروجی را فراگرفته و مناسب ترین توپولوژی ممکن را برای شبیه سازی الگوها ارائه می نمایند. اما یادگیری این مدلها با توجه به ماهیت غیر خطی و پیچیدگی پدیده های هیدولوژیکی محدودیت های خاص خود را دارد. در این مقاله به منظور پیش بینی رواناب روزانه با استفاده از روش شبکه عصبی تابع بنیادی شعاعی اطلاعات آماری از چهار ایستگاه بارانسنجی و هیدرومتری از سطح حوضه برای 18 سال آماری از سال 1368 تا 1386 جمع آواری و بعد از نرمالسازی 75% داده ها جهت آموزش و 25 % داده ها جهت تست انتخاب گردید. نتایج حاصل نشان داد شبکه عصبی تابع بنیادی شعاعی RBF توانایی خوبی برای پیش بینی رواناب روزانه دارا می باشد

مدیریت منابع آب، پیش بینی رواناب روزانه ،رودخانه قره سو، شبکه عصبی تابع بنیادی شعاعیRBF