مقايسه مدل هاي كلاسيك و شبكه هاي عصبي مصنوعي در پيش بيني جريان رودخانه

يكي از مهمترين مسائل در برنامهريزي و مديريت منابع آب، تهيه مدلهاي پيشبيني جريان رودخانه ميباشد. روشهاي مرسوم گذشته در اين زمينه، عمدتا در قالب مدلهاي قطعي و استوكستيك بودهاند. مسالهاي كه امروزه در كنار روشهاي كلاسيك مطرح شده، استفاده از شبكههاي عصبي مصنوعي ميباشد.در اين پژوهش توانايي شبكههاي عصبي جهت پيشبيني جريان، در مقايسه با مدلهاي متداول پيشين مورد بررسي قرار گرفته است. بدين منظور مدلهاي رگرسيوني، سري زماني، و شبكه عصبي براي پيشبيني جريان ماهانه تهيه گرديده و از آمار و اطلاعات رودخانه كرج در محل سد كرج، به عنوان مطالعه موردي استفاده شده است.جهت مدلسازي، از آمار جريان، بارش،آب معادل برف، و دماي مربوط به ٣١ سال آبي استفاده گرديده است. اطلاعات ٢٧ سال براي توسعه مدلها، و ٤ سال باقيمانده براي آزمودن آنها بكار رفته است.مدل رگرسيوني مورد استفاده بصورت خطي چند متغيره، مدل با الگوريتم پس MLP فصلي مركب، و مدل شبكه عصبي از نوع ARIMA سريزماني از نوع بوده است.در هر يك از اين روشها، گزينههاي متعددي مورد بررسي قرارگرفته و نهايتا (BP) انتشارخطا سه مدل جهت مقايسه نتايج برگزيده شدهاند. مقايسه نتايج سه مدل در اين مطالعه موردي نشان داد كه مدل شبكهعصبي عملكرد مناسبي در پيشبيني جريان داشته و پيش بينيهاي دقيقتري در مقايسه با دو مدل ديگر ارائه ميكند.