مدلسازی هوشمند سری زمانی جریان ماهانه حوضه رودخانه شور قروه با شبکه عصبی مصنوعی

پیش بینی دقیق جریان در رودخانه ها یکی از مهمترین ارکان در مدیریت منابع آبهای سطحی به ویژه اتخاذ تدابیری مناسب در مواقع سیلاب و بروز خشکسالی هاست. در حقیقت حصول روشهای مناسب و دقیق در پیش بینی جریان رودخانه ها را می توان به عنوان یکی از چالشها در فرآیند مدیریت و مهندسی منابع آب دانست. در این پژوهش برای مدلسازی هوشمند سری زمانی جریان ماهانه از یک دوره ی آماری26ساله (1389-1364) استفاده شد. جهت دستیابی به بهترین ساختار شبکه عصبی مصنوعی، ساختارهای مختلف با یکدیگر مقایسه شدند با این توضیح که جهت بهینه سازی وزن های اتصال در بین لایه های مختلف شبکه-عصبی مصنوعی از الگوریتم ژنتیک استفاده شده است. قانون یادگیری مورد استفاده در این تحقیق از نوع یادگیری سریع، با تابع انتقال تانژانت اکسون، تابع هدف، میانگین مربعات خطا و نوع آموزش از نوع آموزش N مرتبه می باشد نتایج نشان می دهند که بهترین عملکرد مربوط به حالتی است که از ورودی های بارش هر ماه، جریان هر ماه و دمای هر ماه برای بدست آوردن جریان ماه آینده استفاده شده است. همچنین در هر مرحله که جریان یا بارندگی به تنهایی به عنوان ورودی وارد شد عملکرد شبکه کاهش یافت. نتیجه اینکه بیشترین حساسیت مربوط به جریان هرماه می باشد و پارامتر دما تأثیر چندانی بر برآورد جریان ندارد. نتایج حاصل با توجه به ضریب همبستگی0/84 نشان دهنده دقت نسبتاً بالای شبکه عصبی مصنوعی در برآورد و تخمین جریان ماهانه حوضه رودخانه شور بوده است.