سید سعید اشراقی - دانشجوی کارشناسی ارشد مهندسی آب
محمد باقر شریفی - دانشیار،دانشگاه فردوسی مشهد
محمدرضا فلاح حقگو لیالستانی - کارشناس ارشد مهندسی آب

پیش بینی مناسب سری زمانی دبی رودخانه یکی ازاهداف مهم و حیاتی درمسائل برنامه ریزی و مدیریت منابع آب است دقت و اعتباریک مدل دسته بندی یا پیش بینی درصورت استفاده ازمتغیرهای وابسته به هم یا متغیرهای غیرمرتبط به خروجی کاهش می یابد با استفاده ازانالیز مولفه اصلی میتوان ابعاد تعداد متغیرها داده ها را به نحوی کاهش داد که بیشترین میزان تغییرات اصلی درداده ها حفظ شود هدف ازاین پژوهش بررسی تاثیر انالیز مولفه اصلی بربهبود عملکرد مدل شبکه عصبی مصنوعی به منظور تخمین دبی روزانهرودخانه می باشدبدین منظور دو نوع شبکه عصبی پرسپترون چندلایه/شبکه تابع پایه شعاعی برای تخمین دبی روزانه رودخانه ایجاد شده است دراینجا مدلها با استفاده ازداده های اصلی مربوط به دبی بارندگی و دما بدون پیش پردازش ایجاد شده و ارزیابی گردیده اند درمرحله بعدبا استفاده ازانالیز مولفه اصلی تعداد متغیرها را کاهش داده به نحوی که تنها متغیرهای موثربرعملکرد مدل شبکه عصبی درنظر گرفته شده اند عملکرد مدلهای شبکه عصبی مصنوعی درمراحل آموزش و ارزیابی ازطریق مقایسه با داده های مشاهداتی مورد بررسی قرارگرفته است و باتوجه به معیارهای سنجش خطا و نکوئی برازش بهترین مدل انتخاب شده است

دبی روزانه/شبکه پرسپترون چندلایه/شبکه تابع پایه شعاعی/آنالیز مولفه اصلی