تعيين ميزان كارايي مدل شبكه عصبي مصنوعي درپيش بيني بارش- رواناب حوضه هاي شهري

مدل‌سازي بارش ـ رواناب اولين گام در راستاي مديريت منابع آب و مقابله با اثرات سوء آن است. اين فرايند در حوضه‌هاي شهري كه رفتار رواناب داراي ديناميك غيرخطي شديدي است، ضرورت دارد. در اين مطالعه، براي مدل‌سازي بارش ـ رواناب رودخانه خرم آباد كه حوضه آبخيز آن هم از ماهيت كوهستاني و هم از كاربري شهري برخوردار بوده از شبكه عصبي مصنوعي استفاده گرديد. آزمون حافظه سيگنال سري زماني رواناب به مقدار 8/ 0 به‌دست آمد كه اين مقدار نشان از حافظه بلندمدت و ديناميك غيرخطي سيگنال رواناب رودخانه زيربط داشت. در ادامه، مدل بارش ـ رواناب توليد شد كه ارزيابي ميزان دقت و كارائي آنها با استفاده از معيار نش ـ ساتكليف، ضريب تعيين، جذر ميانگين مربعات خطا و توزيع زماني خطا مورد بررسي قرار گرفت . نتايج حاكي از آن بود كه كارايي و ضريب دقت مدل داراي عملكرد ضعيفي است. زيرا برحسب معيار نش ـ ساتكليف، مدل توانسته تنها در حدود 20 درصد، رواناب را به‌درستي شبيه‌سازي كند و در حدود 80 درصد پيش‌بيني رواناب توأم با خطا بوده است.