رضا طارقیان - دانشجوی کارشناسی ارشد سازه های آبی، دانشگاه شهید چمران اهواز
سیدمحمود کاشفی پور - استادیار دانشکده مهندسی علوم آب، دانشگاه شهید چمران اهواز
مهدی طاهری - دانشجوی کارشناسی ارشد خاکشناسی، دانشگاه شهید چمران اهواز

امروزه یکی از مهمترین مسائل جهت مدیریت سیلاب، پیش بینی جریان رودخانه ها می باشد. جلوگیری از صدمات اقتصادی و جانی ناشی از سیلاب یکی از مهمترین دستاوردهای پیش بینی صحیح جریان می باشد. فاکتورها و عوامل مختلفی بر روی دبی رودخانه تاثیر گذار می باشند که تحلیل این پدیده را مشکل می سازند. مدلهای فیزیکی-مفهومی، رگرسیونی و سری های زمانی از معمولترین روشهای تحلیل جریان رودخانه می باشند که با توجه به حل خطی پدیده پیچیده جریان رودخانه یا کمبود اطلاعات مورد نیاز، نتایجی همراه با خطا ارائه می دهند. امروزه شبکه های عصبی مصنوعی با توجه به توانایی در حل پدیده های غیر خطی و پیچیده، کاربردهای فراوانی در مسائل هیدرولوژی پیدا کرده اند، که در این مطالعه نیز به ارزیابی توانایی این شبکه ها در پیش بینی جریان رودخانه ها پرداخته شده است. در این تحقیق با استفاده از اطلاعات تبخیر و تعرق، باران سنجی و دبی ایستگاه های بالادست پل شالو، به پیش بینی دبی رودخانه کارون در ایستگاه هیدرومتری پل شالو پرداخته شد. الگوهای مختلفی از اطلاعات ایستگاه های بالادست در همان روز، یک روز قبل و دو روز قبل به منظور ورودی شبکه استفاده شده است. از الگوریتم پس انتشار خطا (BP) جهت آموزش و تست شبکه بهره برده شد و نتایج به دست آمده با نتایج حاصل از روش رگرسیون مقایسه شد. با توجه به معیارهای ضریب همبستگی و خطای RMSE، نتایج حاصل از آموزش و تست شبکه نشان داد که شبکه های عصبی مصنوعی می توانند جریان رودخانه را با ضریب همبستگی زیاد (بیشتر از 94 درصد) و خطای کم پیش بینی کنند.

پیش¬بینی جریان رودخانه، شبکه¬های عصبی، الگوریتم پس انتشار خطا، روش رگرسیون، کارون