پيش بيني جريان روزانه رودخانه با استفاده از شبكه عصبي مصنوعي (مطالعه موردي: حوزه آبخيز كوركورسر نوشهر)

در سال‌هاي اخير، استفاده از مدل‌هاي هوشمند مانند روش‌هاي هوش مصنوعي و محاسبات نرم، به‌عنوان تكنيك‌هاي جديد و ابزارى توانمند در فرآيندهاى هيدرولوژيكي نظير پيش بينى و زمينه‌هايي كه در آن‌ها ارتباط بين ورودي و خروجي، غيرخطي بوده، افزايش يافته است. اين روش‌ها به‌عنوان يك جعبه سياه مناسب، كمتر به ابزار و داده‌هاي مدل‌هاي فيزيكى نياز داشته و قادرند فرآيند جريان رودخانه را با دقت بالايي مدل سازى نمايند. هدف از اين تحقيق، بررسي و پيش بيني جريان روزانه در رودخانه كوركورسر با استفاده از شبكه عصبي مصنوعي است و به اين منظور، با استفاده از ضرايب خود همبستگي و خود همبستگي جزئي، تعداد تأخيرهاي معني دار تعيين و با توجه به آن‌ها، دبي تا 6 روز تأخير در تركيب‌هاي مختلف مدل به‌عنوان ورودي لحاظ گرديد. نتايج نشان مي‌دهد كه مدل MLP با مقدار RMSE برابر 0/01566، مقدار ضريب كارايي ناش ساتكليف برابر 0/45535 و ضريب همبستگي برابر 0/6809، با خطاي كم و همبستگي دقت وكارايي بالا مي‌تواند دبي خروجي حوضه را مدل سازي و پيش بيني كند. همچنين نتايج به دست آمده حاكي از آن است كه بهترين پيش بيني با تركيب Qt-1Qt-2Qt-3 (دبي روز قبل، دبي دو روز قبل و دبي سه روز قبل) انجام مي‌شود