ارزيابي مدل شبكه عصبي مصنوعي در تخمين جريان سالانه با استفاده از داده هاي بارندگي و شاخص هاي دما مطالعه موردي : حوضه معرف ناورود اسالم

برآورد دقیق جریان حوضه های آبریز به خصوص در حوضه های فاقد آمار آب دهی، از اهمیت زیادی در برنامه ریزی و مدیریت منابع آب برخوردار است. به دلیل محدودیت و عدم كارایی مناسب اغلب روش های تجربی جهت تخمین جریان سالانه حوضه های آبریز جنوب دریای خزر، استفاده از مدلهای هوشمند عصبی كه امروزه در علم هیدرولوژی توسعه فراوانی یافته اند، مطرح گردیده است.یكی از رایجترین این مدل ها، شبكه عصبی مصنوعی (ANN) است كه در پژوهش حاضر جهت تخمین جریان سالانه حوضه آبریز ناورود اسالم، مورد ارزیابی قرار گرفته است. برای این كار، به كمك جعبه ابزار شبكه عصبی نرم افزار Matlab (شاخه NeuralNetwork) از داده های بارندگی، شاخص های دما و جریان سالانه حوضه در دوره آماری 16 ساله ( از سال آبی 75-74 لغایت 90-89) به مدت 11 سال برای آموزش و 5 سال و برای صحت سنجی مدل استفاده گردید.شبكه به كار گرفته شده از نوع پرسپترون چندلایه (MLP) بوده و برای آموزش آن، از الگوریتم پس انتشار خطا (BP) استفاده شده است. نتایج نشان داد كه در بین 6 الگوی مورد بررسی بر اساس تركیب بارندگی با سه شاخص دما، متوسط دمای هوا تأثیر چندانی در جریان سالانه حوضه ندارد و كارایی شبكه با الگوی ورودی بارندگی با دو پارامتر متوسط حداكثر و حداقل دما، به بیشترین مقدار (R=%97) می رسد. به طور كلی میتوان گفت، مدل شبكه عصبی مصنوعی در تخمین جریان سالانه حوضه از دقت بالایی برخوردار بوده و نتایج به دست آمده می تواند در برنامه ریزی و بهبود مدیریت منابع آب، مفید و مؤثر واقع گردد.