مقايسه شبكه عصبي مصنوعي و رگرسيون خطي چند متغيره در پيش بيني ميزان آبدهي مخزن سد كرج

در كشور ایران كه در اقلیم خشك و نیمه خشك قرار دارد، سدهای مخزنی در تامین نیازهای شرب، كشاورزی و صنعت از اهمیت ویژه ای برخوردارند. در این راستا، برآورد مقدار آورد رودخانه به مخزن سد از موضوعات با اهمیت محسوب می شود. در پیش بینی مقدار جریان ورودی به مخزن سد، معمولاً از دو روش كلی مدلسازی مفهومی و مدلسازی جعبه سیاه استفاده می شود. یكی از مدل های معروف جعبه سیاه در زمینه پیش بینی جریان رودخانه، مدل شبكه عصبی مصنوعی (ANN) می باشد. همتای آماری مدل ANN ، مد لهای رگرسیون خطی، رگرسیون غیرخطی و مدل های سری زمانی می باشند، كه قبل از كاربردی شدن مدل ANN كاربرد فراوانی در زمینه مدلسازی و پیش بینی آبدهی رودخانه داشته اند. در این تحقیق بررسی كارایی مدل ANN و رگرسیون خطی چند متغیره در پیش بینی دبی ورودی به مخزن سد كرج در مقیاس ماهانه انجام خواهد شد. هدف از انجام این تحقیق بدست آوردن الگویی مناسب جهت پیش بینی آبدهی ماهانه رودخانه كرج با استفاده از مدل ANN و رگرسیون خطی و مقایسه نتایج این دو مدل با یكدیگر می باشد. نتایج بدست آمده نشان می دهد كه پیش بینی بر اساس آبدهی سه ماه گذشته دارای بالاترین دقت در هر دو مدل می باشد. نتایج مقایسه مدل ANN مذكور با مدل رگرسیون خطی حاكی از عملكرد بهتر مدل شبكه عصبی مصنوعی نسبت به مدل رگرسیون خطی می باشد.