بررسی عملکرد شبکه عصبی مصنوعی در پیش بینی جریان رودخانه (مطالعه موردی: حوضه قره آغاج استان فارس)

به منظور پیش بینی جریان رودخانه در حوزه های آبخیز طی سالیان متمادی، روش های مختلفی ابداع شده که کارایی آن ها نیز به اثبات رسیده است. یکی از این مدل های شیبه سازی، شبکه های عصبی مصنوعی است که می توانند با دقتی درخور توجه، واقعیات موجود را به تصویر بکشند. در این تحقیق، به منظور شبیه سازی دبی، به بررسی و تاثیر پارامترهای هواشناسی بر روی جریان رودخانه قره آغاج پرداخته شد. برای این منظور از آمار دبی، بارش و دمای ماهانه ایستگاه های موجود حوزه با طول دوره آماری ۲۳ سال (۱۳۶۰۱۳۸۳) استفاده شد. داده های موجود پس از نرمال سازی، به دو دسته آموزش و تست تقسیم و به ۵ صورت متفاوت و ۹ مدل با استفاده از شبکه عصبی پرسپترون چند لایه با قانون پس انتشار خطا و توابع یادگیریLM  و Gdx مورد آزمون قرار گرفتند. بهترین آرایش شبکه با استفاده از تابع یادگیری LM به صورت ۱-۲۱-۹ با مقادیر ضریب همبستگی ۱ و ۱ و برای تابع یادگیری Gdx نیز به صورت ۱-۱۳-۷ با مقادیر ضریب همبستگی ۹۴/۰ و ۹۶/۰ به ترتیب برای داده های آموزش و تست حاصل شد. نتایج حاصل بیانگر تاثیر پارامترهای هواشناسی مانند دما و بارش بر روی جریان خروجی حوزه و اختلاف بسیار ناچیز بین داده های شبیه سازی شده با مقادیر مشاهداتی است. همچنین شبکه عصبی در شبیه سازی جریان رودخانه با تابع یادگیری LM کارایی بهتری را نشان داد.

Keywords:

شبیه سازی , شبکه عصبی پرسپترون چندلایه (MLP) , الگوریتم یادگیری لونبرگ-مارکوارت (LM) , جریان رودخانه , قره آغاج , استان فارس