شبیه سازی جریان رودخانه با استفاده از شبکه عصبی مصنوعی (ANN) (مطالعه موردی حوضه معرف کسیلیان)

تخمین صحیح دبی رودخانه از جمله پارامترهای مهم د رعلم مهندسی رودخانه و رشته های وابسته به آن از جمله هیدرولیک و هیدرولوژی می باشد، چرا که در مطالعات پایه مربوط به مدیریت منابع آب، زیست محیطی، ذخیره آب و کنترل سیلاب، ابدهی رودخانه نقش مهمی را دارا می باشد. استفاده از شبیه سازی مدل های ریاضی، مدل های فیزیکی، توزیع های آماری و برنامه های کامپیوتری از مواردی است که برای پیش بینی استفاده می شود. اما در مسائل مربوط به منابع طبیعی انتخاب مدل هایی که تا حد امکا ن به واقعیت موجود در حوضه نزدیک باشد بسیار مشکل است. از طرفی در بعضی از رودخانه ها به علت عدم وجود ایستگاه های هیدرومتری و عدم برداشت اطلاعات آبدهی و یا کوتاه بودن دوره زمانی آماربرداری اطلاعات مورد نیاز به اندازه کافی در دسترس نمی باشد. این امر باعث مشکلاتی در انجام مطالعات می شود. در سالهای اخیر از شبکه های عصبی مصنوعی (ANN) به طرز قابل توجهی در شبیه سازی فرایندهای مختلف استفاده شده است، شبکه عصبی مصنوعی توانایی تعریف روابط پیچیده غیر خطی بین ورودی و خروجی بدون تلاش در جهت درک طبیعت پدیده را دارا هستند، این شبکه ها پردازش کننده های موازی می باشند که داده های ورودی را در حین یادگیری ، ذخیره و به ساختار شبکه منتقل می سازند. در این مطالعه از نرم افزار MATLAB برای پیش بینی جریان خروجی حوضه کسیلیان، داده های هیدرومتری و هواشناسی (باران، دما، دبی) در مقیاس زمانی ماهانه وبطور آماری 31 سال (1380-1349) استفاده شده است. اطلاعات 27 سال برای توسعه مدل ها و 4 سال باقیمانده برای آزمودن انها بکار رفته است. شبکه موردی استفاده از نوع MLP (پرسپترون چند لایه) با الگوریتم پس انتشار خطا (BP) می باشد. نتایج اجرای مدل بیانگر دقت بالای شبکه عصبی در پیش بینی جریان رودخانه است.

Keywords:

الگوریتم پس انتشار خطا , MATLAB , پرسپترون چند لایه , مهندسی رودخانه