ارزیابی مدل شبکه عصبی مصنوعی در تخمین جریان سالانه با استفاده از داده های بارندگی و شاخص های دما « مطالعه موردی: حوضه معرف ناورود اسالم »

برآورد دقیق جریان حوضه های آبریز به خصوص در حوضه های فاقد آمار آبدهی، از اهمیت زیادی در برنامه ریزی و مدیریت منابع آب برخوردار است. به دلیل محدودیت و عدم کارایی مناسب اغلب روش های تجربی جهت تخمین جریان سالانه حوضههای آبریز جنوب دریای خزر، استفاده از مدلهای هوشمند عصبی که امروزه در علم هیدرولوژی توسعه فراوانی یافته اند، مطرح گردیده است.یکی از رایجترین این مدل ها، شبکه عصبی مصنوعی (ANN) است که در پژوهش حاضر جهت تخمین جریان سالانه حوضه آبریز ناورود اسالم، مورد ارزیابی قرار گرفته است. برای این کار، به کمک جعبه ابزار شبکه عصبی نرم افزار Matlab (شاخه NeuralNetwork) از داده های بارندگی، شاخص های دما و جریان سالانه حوضه در دوره آماری 16 ساله ( از سال آبی 75-74 لغایت 90-89) به مدت 11 سال برای آموزش و 5 سال و برای صحت سنجی مدل استفاده گردید.شبکه به کار گرفته شده از نوع پرسپترون چندلایه (MLP) بوده و برای آموزش آن، از الگوریتم پس انتشار خطا (BP) استفاده شده است. نتایج نشان داد که در بین 6 الگوی مورد بررسی بر اساس ترکیب بارندگی با سه شاخص دما، متوسط دمای هوا تأثیر چندانی در جریان سالانه حوضه ندارد و کارایی شبکه با الگوی ورودی بارندگی با دو پارامتر متوسط حداکثر و حداقل دما، به بیشترین مقدار (R=%97) می رسد. به طور کلی میتوان گفت، مدل شبکه عصبی مصنوعی در تخمین جریان سالانه حوضه از دقت بالایی برخوردار بوده و نتایج به دست آمده می تواند در برنامه ریزی و بهبود مدیریت منابع آب، مفید و مؤثر واقع گردد.

Keywords:

شبکه عصبی مصنوعی , جریان سالانه , حوضه آبریز ناورود اسالم , نرم افزار Matlab