محمد ابراهیم بنی حبیب - استادیار گروه مهندسی آبیاری و زهکشی، پردیس ابوریحان، دانشگاه تهران
محمد ولی پور

در مقاله حاضر قابلیت مدل های میانگین متحرک خود همبسته ( آرما )، میانگین متحرک جامع خود همبسته ( آریما ) و مدل خودهمبسته شبکه عصبی مصنوعی در پیش‌بینی جریان ورودی به مخزن سد دز واقع در ایستگاه تله زنگ در بالادست سد دز مورد ارزیابی قرار می گیرد. پیش‌بینی جریان ورودی به مخزن با روش ‌های آرما و آریما، در تحقیقات قبل تعداد پارامترهای مورد استفاده حداکثر 2 پارامتر بوده است. از طرف دیگر استفاده از دو مدل‌ آرما و آریما به طور همزمان، به منظور مقایسه آنها در پیش‌ بینی خودهمبسته جریان ماهانه ورودی به مخزن سد در تحقیقات قبلی انجام نگردیده است. مقایسه مدل ‌های استاتیک و دینامیک در شبکه‌ های عصبی مصنوعی نیز صورت نگرفته است. در این تحقیق دبی های ماهانه بین سال های 1334 تا 1380 استفاده شده است. آمار مربوط به 42 سال اول برای آموزش مدل‌ها و 5 سال اخیر برای پیش‌بینی مدل‌ها استفاده گردید. در مدل‌های آرما و آریما به ترتیب با تلفیق 4 و 6 پارامتر، چند جمله ای مورد نظر برای پیش بینی جریان بدست آمد. در مدل خود همبسته شبکه عصبی مصنوعی از دو تابع فعالیت شعاعی و سیگموئیدی با تعداد نرون ‌های مختلف در لایه میانی استفاده شد. با مقایسه شاخص RMSE مدل خودهمبسته شبکه عصبی مصنوعی دینامیک با تابع فعالیت سیگموئید و تعداد 17 نرون در لایه میانی بعنوان بهترین مدل در پیش‌بینی جریان ورودی به مخزن سد دز انتخاب شد. مدل آریما نسبت به آرما با خطای کمتر، جریان ورودی به مخزن سد دز را از 12 ماه قبل و مدل ‌های خود همبسته شبکه عصبی مصنوعی استاتیک و دینامیک با تابع فعالیت سیگموئیدی جریان ورودی به مخزن سد دز را از 5 سال قبل پیش بینی می نمایند.

آرما، آریما، پیش بینی جریان ورودی به مخزن سد، سد دز، مدل خودهمبسته شبکه عصبی مصنوعی