پرویز ضیائیان فیروزآبادی - دانشیار گروه سنجش از دور و GIS دانشگاه خوارزمی تهران
آمنه ادینه پور - دانشجوی کارشناسی ارشد سنجش از دور و GIS دانشگاه خوارزمی تهران
علی اصغر تراهی - استادیار گروه سنجش از دور و GIS دانشگاه خوارزمی تهران

استفاده از تکنیک شبکه عصبی مصنوعی به عنوان یک رویکردی نو و یک ابزار کارآمد با توانای مناسب د رشبیه سازی و پیش بینی سیلاب به علت عدم حساسیت به خطا در داده های ورودی از اهمیت زیادی برخوردار بوده و تا حدودی جایگزین مدلهای آماری شده است. در این پژوهش برای شبیه سازی سیلاب در حوضه آبخیز گل گل استان ایلام از شبکه های عصبی مصنوعی RBF,MLP با الگوریتم های یادگیری لنبرگ - مارکوارت شبه - نیوتن و کاهش شیب با مومنتوم و تعداد نرونهای مختلف در لایه پنهان در محیط نرم افزاری MATLAB استفاده شد. که بااستفاده از مدل ارتفاع رقومی زمین در محیط نرم افزاری Arc GIS بدست آورده شد ولی چون ورودی های ثابت تاثیری در عملکرد مدل نداشتند فقط متغیرهای متحرک برای ارزیابی و بررسی مدل در نظر گرفته شد خروجی مدلها تنها دبی حداکثر لحظه ای به متر مکعب بر ثانیه بود. و سه مجموعه اموزش آزمایش و اعتبار سنجی در برخی دیگر از مدلها تقسیم بندی شدند. بررسی نتایج نشان داد که شبکه MLP با ساختار 1-5-5-1 و الگوریتم یادگیری لونبرگ مارکوارت با ضریب همبستگی 0/927 در مرحله آموزش و 0/976 در مرحله آزمایش و خطاهای کمتر نسبت به دیگر ساختار و شبکه RBF عملکرد بهتری در شبیه سازی سیلاب در منطقه مورد مطالعه داشت.

شبیه سازی؛ سیلاب؛ شبکه عصبی مصنوعی؛ حوضه آبخیز گل گل؛ استان ایلام