كاربرد شبكه هاي عصبي در پيش بيني آبدهي حوضه هاي فاقد آمار بر اساس داده هاي هيدرولوژي و هواشناسي (مطالعه موردي: حوضه بوانات ايستگاه سوريان در استان فارس)

در اين تحقيق نقش پارامتر هايي از جمله دبي ، ميزان بارندگي و درجه حرارت در ماه هاي گذشته و جاري بر روي دبي ماهيانه رودخانه بوانات مورد بررسي قرار گرفته است. هدف اصلي در اين تحقيق استفاده از روش شبكه هاي عصبي مصنوعي جهت بررسي تاثير پارامترهاي مختلف بر روي دبي هرماه بوده است . براي مدل سازي اطلاعات از نرم افزار Qnet2000 كه بر اساس روش پيشخور كار مي كند استفاده شده است. همچنين در مدلسازي از دو تابع تحريك سيگموئيد و گاوس استفاده مي شود. براي پيش بيني جريان خروجي حوضه بوانات ، داده هاي هيدرومتري ايستگاه سوريان و هواشناسي (باران، دما، دپي) در مقياس زماني ماهانه و در بازه زماني 1389-1370 استفاده شده است كه 80 درصد آن براي آموزش و 20 درصد باقيمانده براي آزمودن مدلها بكار رفته است. بر اساس نتايج حاصل مشخص مي شود تعداد بهينه نرون ها در لايه مخفي در ساختار مورد استفاده( شامل ورودي هاي دبي ماه قبل و دو ماه قبل، بارندگي ماه جاري و ماه قبل، درجه حرارت ماه جاري براي حالتي كه از تابع سيگموئيد استفاده مي شود 13 وهمچنين در حالتي كه از تابع گاوس استفاده مي شود 13 مي باشد. مقايسه ضرايب همبستگي و خطاهاي داده هاي موجود در نتايج حاصل از تابع گاوس و تابع سيگموئيد نشان دهنده برتري مدل با تابع تحريك گاوس مي باشد.