مریم خسروی - دانش آموخته کارشناسی ارشد آبخیزداری، دانشکده منابع طبیعی دانشگاه تهران
علی سلاجقه - دانشیار، دانشکده منابع طبیعی دانشگاه تهران
محمد مهدوی - استاددانشگاه تهران
محسن محسنی ساروی - استاددانشگاه تهران

در این تحقیق از مدل شبکه عصبی و رگرسیون چندمتغیره خطی برای پیشبینی دبی اوج در حوزه آبخیز طالقان استفاده گردید. با استفاده از آمار دبیهای متوسط حداکثر روزانه و بارشهای متناظر، یک روز و پنج روز قبل، مجموع بارندگی پنج روز قبل و همچنین دمای میانگین ماهانه از ایستگاه گلینک استخراج و به عنوان ورودی وارد مدل شبکه عصبی شدند. این ایستگاه در بالادست سد طالقان قرار گرفته و به عنوان خروجی حوزه محسوب می گردد. نوع شبکه مورد استفاده شبکه عصبی پیشخور دو لایه با الگوریتم پسانتشار بود که دادهها طی سه مرحله آموزش، اعتبارسنجی و تست گردیدند. دبی حداکثر ماه قبل، بارش متناظر، بارش یک روز و پنج روز قبل، مجموع بارندگی پنج روز قبل و همچنین دمای میانگین ماهانه به عنوان ورودی های مدل شبکه عصبی و متغیرهای مستقل مدل رگرسیونی و دبی همان ماه به عنوان خروجی و متغیر وابسته در نظر گرفته شد. دبیهای اوج مشاهدهای و پیشبینی شده بر اساس معیار ارزیابی RMSE مورد مقایسه قرار گرفت. نتایج، عملکرد بهتر شبکه عصبی را نسبت به رگرسیون چندمتغیره خطی نشان میدهد که گواه وجود رابطه غیرخطی بارش – رواناب است.

شبکه عصبی، دبی اوج، طالقان، رگرسیون چندمتغیره خطی