مدل سازي بارش رواناب تأثير تغيير پارامترهاي شبكه در ميزان دقت پيش بيني - مطالعه موردي : حوزه آبخيز زهره

فرايند مدل سازي در حوزه هاي آبخيز علم جديد و مفيدي است كه در دهه اخير به طور وسيع در نقاط مختلف دنيا گسترش پيدا كرده است. در همين راستا الگوبرداري از شبكه عصبي انسان و شبيه سازي آن در طبيعت در علوم هيدرولوژي دوران جديدي را سپري مي كند. در تحقيق حاضر نيز از دو نوع شبكه عصبي MLP و RBF به عنوان پركاربردترين نوع شبكه هاي عصبي در دو ايستگاه دراي آمار حوزه آبخيز زهره بنام بريم و پل زهره استفاده شده است.در هر دو نوع شبكه به منظور رسيدن به بهترين ساختار و پارامترها با انجام سعي و خطا و جايگذاري مقادير مخالف و اجراي مدل در هر بار با مشاهده ميزان خطا و ضريب تبيين بهترين حالت براي مدل سازي انتخاب گرديد. سپس با مقادير بهنيه به شبيه سازي مقادير مشاهداتي اقدام گرديد. در نهايت به منظور پيش بيني كارايي انواع مدل ها از معيارهاي دقت سنجي از جمله ضريب تبيين R2 ، ريشه ميانگين مربعات خطا RMSA و ضريب كارايي CE ميزان دقت هر مدل تعيين مي گردد. نتايج نشان داد كه هر دو نوع شبكه عصبي بكار رفته در تحقيق حاضر قادر به شبيه ساري رواناب در ايستگاه هاي مورد بررسي بجز ايستگاه پل زهره را نشان ميدهد. در مجموع نتايج شبكه RBF قابليت و كارايي بيشتري در شبيه سازي رواناب در ايستگاههاي مورد بررسي را نشان داده است. هم چنين در مقايسه با مراحل آموزش و تست، در مرحله تست رواناب شبيه سازي شده به رواناب مشاهداتي مقادير نزديك تري را ارائه داده است.