روح الله فتاحی - استادیار گروه مهندسی آب دانشگاه شهرکرد
سعیده سعیدی - دانشجوی کارشناسی ارشد رشته آبیاری

اگرچه بعضی زیرحوزه ها دارای واحدهای اندازه گیری به منظور ثبت پیوسته جریان هستند ولی بعضاً مهندسین با حوزه هایی مواجه می شوند که یا فاقد اطلاعات مورد نیاز همچون آبدهی هستند و یا این اطلاعات دارای خلأ های آماری و محدودیت آماری می باشند. با توجه به پیچیدگی فرایند بارش روانآب در این حالت ترجیح داده می شود که از روشهای جعبه سیاه برای مشخص شدن ارتباط بین اطلاعات ورودی و خروجی بدون آنالیز ساختار داخلی فرایند استفاده شود. شبکه عصبی مصنوعی توانایی تعریف روآبط پیچیده غیرخطی بین ورودی و خروجی بدون تلاش در جهت درک طبیعت داراست. در این تحقیق از شبکه عصبی مصنوعی MLP با الگوریتم پیش انتشار خطا در پیش بینی آبدهی ماهانه حوزه بهشت آباد با بکارگیری متغیرهای هواشناسی استفاده شده است منطقه بهشت آباد یکی از زیرحوزه های کارون بزرگ می باشد. از 6 ایستگاه هیدرومتری مستقر بر روی این حوزه جهت انجام پروژه استفاده شد. در این مدل سازی پس از سعی و خطا ورودی های دبی، بارش، دما، رطوبت نسبی و تبخیر و توآبع فعالیت خطی، تانژانت سیگموئید، لوگ سیگموئید برای شبکه عصبی MLP به خدمت گرفته شده است نتایج نشان دادند دبی ماه قبل و بارش دوماه قبل از پارامترهای اساسی به عنوان ورودی شبکه هستند. از جمله نتایج حاصل از این تحقیق می توان به تأثیر انتخآب یک مجموعه آموزش فراگیر اشاره نمود. همچنین بیشتر مدلها دبی پایه را به خوبی پیش بینی می کنند و پیش بینی دبی Peak نیز رضایت بخش می باشد.

شبکه عصبی مصنوعی، پیش بینی دبی رودخانه، حوزه بهشت آباد