علی رنجبر - دانشجوی مهندسی عمران در مقطع کارشناسی ارشد، دانشگاه آزاد اسلامی واحد لارستان، لارستان، ایران
نادر برهمند - استادیار گروه مهندسی عمران، دانشگاه آزاد اسلامی واحد لارستان، لارستان، ایران
مهرداد فریدونی - استادیار گروه مهندسی عمران، دانشگاه آزاد اسلامی واحد لارستان، لارستان، ایران

در این تحقیق سعی شده است که یک مدل شبکه عصبی مصنوعی جهت شبیه سازی مقدار دبی متوسط هفتگی ایستگاه علی آباد خفر با استفاده از ترکیب مناسبی از متغیرهای در دسترس که شاملمیزان 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 علی آباد طراحی و الگوریتممناسبی برای آموزش آن ارائه شود. در این تحقیق در ابتدا تاثیر الگوریت مهای آموزشی پس انت شار و نیزالگوریتم ژنتیک بر کارائی شبکه ی عصبی مصنوعی بررسی، نتایج و میزان دقت مربوط به مدل سازی باهر 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 مطلب هستند که شبکه ی عصبی که باالگوریتم 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 دو هفته گذشته این ایستگاه، همراهبا 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، تطابق بیشتری با داد ههای واقعی داشتهباشد. شبکه ی عصبی مصنوعی آموزش دیده با الگوریتم پس انتشار توسط متغییرهای مستقل، قدر مطلق اختلاف نسبی متوسط0/03و ضریب همبستگی مربوط به برازش نزدیک به یک را، درپیش 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

شبکه های عصبی مصنوعی، الگوریتم ژنتیک، رواناب