عبدال شهریور - عضو هیئت علمی مرکز تحقیقات کشاورزی
مجید خزایی - دانشجوی دکتری آبخیزداری

پیش بینی در هیدرولوژی به معنی تخمین شرایط هیدرولوژیکی و هواشناسی در یک بازه زمانی خاص می باشد. تحقیق حاضر با هدف مقایسه بین مدل های مختلف شبکه عصبی مصنوعی و سری های زمانی آریما (ARIMA) در برآورد دبی در ایستگاه بریم آبخیز زهره که دارای آمار بارندگی، دبی در طی دوره مشترک آماری بودند پی ریزی شد. در روش شبکه عصبی مصنوعی از توابع محرک سیگموئیدی و ضریب یادگیری یک که با استفاده از آزمون و خطا به دست آمد استفاده کردیم. همچنین در روش آریما از یک مدل های مختلف روشی که کمترین آکائیک را داشته باشد. به عنوان مدل بهینه انتخاب گردید که مدل (12)(1، 0، 1)(0، 1، 0) ARIMA است. دقت سنجی مدل ها بر اساس آماره های ریشه میانگین مربعات خطا و ضریب تبیین حاکی از دقت بیشتر شبکه عصبی مصنوعی نسبت به مدل های سری زمانی (ARIMA) می باشد. همچنین بهترین مدل در روش شبکه عصبی مصنوعی، مدل شماره 2 با آرایش 1-11-3 به ترتیب با سه نرون در نرون در لایه ورودی، 11 نرون در لایه مخفی و یک نرون در لایه خروجی شناخته شد.

پیش بینی، دبی، تلفیقی خود همبستگی و میانگین متحرک، شبکه عصبی مصنوعی، حوزه آبخیز زهره