استفاده از شبکه های عصبی مصنوعی و الگوریتم ژنتیک به منظور مدلسازی بارش رواناب ایستگاه علی آباد خفر و قیاس نتایج

در این تحقیق سعی شده است که یک مدل شبکه عصبی مصنوعی و یک الگوریتم ژنتیک بهینه جهت شبیه سازی مقدار دبی متوسط هفتگی ایستگاه علی آباد خفر با استفاده از ترکیب مناسبی از متغیرهایدر دسترس که شامل میزان بارش هفته ی گذشته سه ایستگاه خانزنیان، امیرآباد و دودو و همچنین میزان دبی متوسط هفتگی هفته قبل ایستگاه بند بهمن و علی آباد و دبی دو هفته قبل ایستگاه علیآباد طراحی و الگوریتم مناسبی برای آموزش آن ارائه شود. در این تحقیق در ابتدا تاثیر الگوریت مهای آموزشی پس انتشار و نیز الگوریتم ژنتیک بر کارائی شبکه ی عصبی مصنوعی بررسی، نتایج و میزاندقت مربوط به مدل سازی با هر کدام از این الگوریتم ها با یکدیگر مقایسه و الگوریتم آموزشی مناسب (که عملکرد آماری بهتر از خود نشان داد هاست) تعیین گردیده شده است. نتایج بیانگر این مطلبهستند که شبکه ی عصبی که با الگوریتم پس انتشار آموزش دیده است، دارای توانایی و دقت بسیار بیشتری نسبت به آموزش با الگوریتم ژنتیک می باشد. دبی هفته گذشته ایستگاه علی آباد، دبی دوهفته گذشته این ایستگاه، همراه با دبی هفته قبل ایستگاه بند بهمن به عنوان متغییرهای مستقل در طراحی شبکه ی عصبی مصنوعی در نظر گرفته شده اند، و این باعث شده است که عملکرد مدل، تطابقبیشتری با داد ههای واقعی داشته باشد. شبکه ی عصبی مصنوعی آموزش دیده با الگوریتم پس انتشار توسط متغییرهای مستقل، قدر مطلق اختلاف نسبی متوسط 0/03و ضریب همبستگی مربوط به برازش نزدیک به یک را، در پیش بینی تمامی داد ههای دبی جاری ایستگاه علی آباد از خود نشان داده است. از آنجاییکه این مدل، بهترین عملکرد را در بین تمامی مدل های بررسی شده از خود نشان داده است، به عنوان بهترین مدل معرفی شده است

Keywords:

شبکه های عصبی مصنوعی , الگوریتم ژنتیک , رواناب