حسین قلخانی - کارشناس ارشد مهندسی آب ، دانشکده عمران، دانشگاه صنعتی خواجه نصیر و کا
فرهاد یزداندوست - استادیار دانشکده عمران دانشگاه صنعتی خواجه نصیر
محمدذاکر مشفق - دانشجوی دکتری مهندسی عمران، دانشگاه تربیت مدرس، عضو هیئت علمی دانشگاه

در طی سالهای اخیر شاهد توجه روزافزون مسئولین ذیربط در قبال طرحهای هشدار سیل در کشور هستیم. بدیهی است که کیفیت سامانه های هشدار سیل به طور مستقیم وآبسته به دقت در پیش بینی هاست. بنآبراین به منظور اجتنآب از اعلام هشدارهای غیرلازم که نتیجه آن بی اعتباری این سامانه های هشدار می گردد. لازم است دقت پیش بینی ها را تا حد قآبل اعتمادی افزایش دهیم. در شرایطی که بسیاری از مدلهای مفهومی به دلیل وجود پارامترهای زیاد و ناکافی بودن داده های موجود در مرحله واسنجی دچار مشکل می شوند. شبکه های عصبی مصنوعی که امروزه جایگاه خود را در علوم مهندسی آب یافته اند از جمله روشهای قآبل انعطافند که با ساختار ریاضی خود می توانند روآبط پیچیده غیرخطی بین داده های ورودی و خروجی را با دقتی مطلوب مشخص کنند. دراین مقاله با استفاده از نرم افزار MATLAB و استفاده از جعبه آبزار شبکه عصبی آن اقدام به تخمین جریان رودخانه کارون در ایستگاه هیدرومتری پل شالو شده است. اطلاعات ورودی شامل بارش، شاخص بارش پیشین به همراه دبی روز قبل ایستگاه هیدرومتری پل شالو است. تفکیک اطلاعات ورودی به دو وضعیت بدون بارش و با بارش به عنوان پیش پردازش داده ها و تهیه دو مدل جهت پیش بینی دبی پایه و دبی سیلآبی و نهایتاً ترکیب خروجی دو مدل مذکور و مقایسه آن با مدلی که هر دو فرایند را با هم در نظر می گیرد، حاکی از برتری محسوس مدل نخست نسبت به مدل دوم است.

پیش بینی جریان رودخانه، شاخص بارش پیشین، شبکه عصبی مصنوعی، پیش پردازش داده ها، حوضه آبریز کارون