شیما ترحمی - دانشجوی کارشناسی ارشدمهندسی منابع طبیعی آبخیزداری دانشگاه آزاد اسلامی واحد تربت جام
محمدرضا خالقی - استادیارگروه منابع طبیعی دانشگاه آزاد اسلامی واحد تربت جام
سیدهاشم حسینی - استادیارگروه منابع طبیعی دانشگاه آزاد اسلامی واحد تربت جام

دراین پژوهش ازشبکه های عصبی مصنوعی Artificial Neural Networks به عنوان ابزاری قدرتمند ومدلسازی فرایندهای غیرخطی و نامعین به منظور پیش بینی دبی سیلاب درایستگاه های سینوپتیک کلیماتولوژی و هیدرومتری اطراف حوضه آبخیز سدارداک که حداقل 27سال آمارروزانه داشتنداستفاده شد داده های مساحت محیط ارتفاع متوسط شیب متوسط ابراهه شیب متوسط حوضه طول ابراهه اصلی طول حوضه تراکم زهکشی زمان تمرکز و متوسط بارندگی سالیانه و 24ساعته بعنوان ورودی مدل استفاده شد دراین مطالعه 70درصد داده ها برای اموزش مدلها training و30درصدباقیمانده برای آزمایش آنها testing بکاررفته است سپس مقداربراورد شده با روش رگرسیون چندمتغیره مقایسه گردید نتایج حاصل ازاین تحقیق نشان داد که مدل شبکه عصبی با ضریب همبستگی R2=0.96درسطح معنی داری 5درصدومجذورمیانگین مربعات خطا 3.71RMSE درمرحله آموزش و0.001 درمرحله ازمایش ازدقت بالایی نسبت به روش رگرسیونی برخوردار بوده ودرنتیجه درمدلسازی سیلاب روش شبکه عصبی مصنوعی بروش رگرسیون چندمتغیره ارجحیت دارد و پارامترهای شیب آبراهه اصلی طول آبراهه اصلی و بارندگی سالیانه به ترتیب بیشترین نقش را درپیش بینی دبی سیلاب حوضه آبخیز سدارداک داشته اند و میتوان با دقت بالای 95درصددبی سیلاب این حوضه را پیش بینی نمود

دبی پیک لحظه ای ، شبکه عصبی مصنوعی ، ضریب همبستگی ، ریشه حداقل میانگین مربعات خطا RMSE