سامی قوردویی میلان - دانشجوی کارشناسی ارشد مهندسی منابع آب، پردیس ابوریحان، دانشگاه تهران
پویا قزل ایاق - دانشجوی کارشناسی ارشد مهندسی منابع آب پردیس ابوریحان، دانشگاه تهران
مهرناز ژیان نیا - دانشجوی کارشناسی ارشد سازه های هیدرولیکی، دانشگاه آزاد واحد تهران شمال

در پژوهش حاضر از مدل شبکه عصبی مصنوعی استاتیک و دینامیک با یک مدل هیدرولوژیکی برای کالیبراسیون و ارزیابی جریان ماهانه رودخانه مورد مقایسه و ارزیابی قرار گرفت. نتایج نشان دادندکه مدل هیدرولوژیکی IHACRES نتایج قابل قبولی در هردو قسمت کالیبراسیون و صحت سنجی ارایه داد و به داده های پرت زیاد حساس نبوده اما به دوره های تر و خشکسالی حساسیت نشان داده است. مدل های شبکه عصبی مصنوعی و دینامیکی هم با دقت بسیار بالایی و درصد خطای کمتر نتایج را ارایه دادند اما نشان دادند که به داده های پرت حساس هستند و ضریب تبیین کمتری بدست آمد. در شبکه عصبی مصنوعی دینامیک بدلیل تاثیر خروجی به عنوان یک ورودی به شبکه و افزایش قدرت یادگیری شبکه نسبت به مدل شبکه عصبی مصنوعی و نرم افزارIHACRES در مرحله کالیبره ،ارزیابی وتست نتایج بهتری ارایه داد. شبکه عصبی مصنوعی و دینامیک نسبت به مدل IHACRES از دقت خیلی بالای برخوردار هستند (خطا نزدیک به صفر). ضریب همبستگی در شبکه عصبی مصنوعی دینامیکی به دلایل گفته شده خیلی بهتر از ضریب همبستگی در شبکه عصبی مصنوعی استاتیک بود.

ارزیابی دبی رودخانه، شبکه عصبی مصنوعی، IHACRES ، مدل بارش رواناب، طشک-بختگان