مدل سازی و پیش بینی دبی های رودخانه های استان اردبیل با استفاده از مدل شبکه عصبی مصنوعی

در این پژوهش، مقادیر دبی های رودخانه های استان اردبیل با بهره گیری از مدل شبکه های عصبی مصنوعی و نیز با استفاده از توابع و امکانات نرم افزار matlab، مدل سازی شد. بدین منظور، از آمار بلند مدت ایستگاه های هیدرومتری رودخانه های این استان و برخی پارامترهای اقلیمی (دما، رطوبت نسبی، بارندگی و فشار) ایستگاه های سینوپتیک موثر بر میزان دبی های حوضه های این استان در طول دوره آماری 30 ساله (سال آبی 58-1357 تا 88-1387) بهره گرفته شد. ورودی های شبکه، داده های متوسط ماهانه ی متغیرهای بارش، دما، رطوبت نسبی (حداقل، میانگین و حداکثر) و متوسط فشار ایستگاه های سینوپتیک اردبیل و خلخال و خروجی شبکه نیز مقادیر متوسط دبی های ماهانه ی شش ایستگاه هیدرومتری بران، دوست بیگلو، مشیران، گیلانده، سامیان و درو می باشند. برای هر ایستگاه یک شبکه با خطای کمتر از 5 درصد طراحی گردید. پس از بررسی شاخص های عملکرد شبکه از جمله ضریب تعیین، مجذور میانگین مربعات خطا، میانگین مربعات خطا، میانگین مطلق خطا، میانگین درصد خطا و ضریب همبستگی مشاهده شد که پیش بینی دبی با دقت قابل قبولی انجام شده به طوری که میزان ضریب همبستگی آن 99/0 و حداکثر خطای آنها 51/3 درصد بوده است.   abstract in this study, flows of ardabil province rivers were modeled by using artificial neural network models and the use of functions and features in matlab. therefore, long-term data of ardabil hydrometric stations and meteorological parameters of synoptic stations affecting on the rate of flow of ardabil province basins (temperature, relative humidity, precipitation and pressure) during the 30-year period (1979-2009) were used. network inputs are the average monthly rainfall, temperature, relative humidity (minimum, average and maximum) and mean pressure of ardabil and khalkhal synoptic stations. the network output values are the monthly average of flows of six hydrometric stations like dust-bigelow, mashiran, gilandeh, samian and dero. for each station, a network was designed with an error of less than 5 percent. after analyzing network performance indices such as the coefficient of determination, root mean square error, mean square error, mean absolute error, average percentage error and correlation coefficient was observed that the predicted flow rates with acceptable accuracy was such that the correlation coefficient 0.99 and the maximum errors are 3.51 percent.   keywords: ardabil province rivers, artificial neural networks, prediction, flows.