آذر قنبری - دانشجوی کارشناسی ارشد آبیاری و زهکشی، دانشکده علوم کشاورزی دانشگاه گیلان
محمدرضا خالدیان - استادیار گروه مهندسی آب، دانشکده علوم کشاورزی دانشگاه گیلان

با توجه به رشد روز افزون جمعیت جهانی و افزایش مصرف آب، کمبود آب شیرین قابل استحصال به معضلی جهانی تبدیل شده است، که با محدود بودن منابع آب، پیش بینی میزان این منابع در آینده اهمیت بسزایی یافته است. تاکنون تلاش های بسیاری برای طراحی مدل های پیش بینی صورت گرفته که از جمله این مدل ها شبکه های عصبی مصنوعی می باشند. شبکه های عصبی قادرند، با پردازش داده های تجربی، دانش یا قانون نهفته در بطن داده ها را فراگیرند، بدین جهت انتظار می رود ابزاری مناسب برای یک مدل شبیه سازی شده باشند. در این مقاله برای پیش بینی ماهانه جریان رودخانه شاهرود از شبکه عصبی مصنوعی استفاده شد. نتایج نشان داد که ضریب همبستگی این مدل در مرحله آموزش 0/965 و برای مرحله صحت سنجی و تست به ترتیب 0/965 و 0/963 به دست آمد که بیانگر توانایی شبکه عصبی مصنوعی در شبیه سازی جریان رودخانه شاهرود با دقت قابل قبول می باشد.

شبکه های عصبی مصنوعی، شبیه سازی جریان، پس انتشار خطا، آزمایش شبکه، حوضه آبخیز شاهرود