مقايسه دو روش شبكه عصبي مصنوعي و سري زماني در پيش بيني ميزان جريان رودخانه

برنامه ریزی، توسعه، مدیریت و بهره برداری بهینه از سیستم های منابع آب، ضرورت دسترسی به اطلاعات متنوعی را در زمینه های هواشناسی، هیدرولوژی ، اقتصادی، اجتماعی و … تداعی می نماید. مدلهای ریاضی موجود به داده های فراوانی در زمینه های متعدد نیاز دارند. در سالهای اخیر، از شبكه های عصبی مصنوعی به دلیل توانمندی آنها در حل مسائل پیچیده و غیر خطی، به طرز قابل توجهی در شبیه سازی فرآیندهای مختلف استفاده شده است. در این تحقیق با استفاده از شبكه عصبی پرسپترون سه لایه با تابع تاتژانت سیگموئید (tansig) در لایه مخفی و تابع خطی (purelin) در لایه خروجی و متد آموزش لونبرگ – ماركوات (LM) و با استفاده از اطلاعات ایستگاه های آبسنجی موجود درحوزه، مدلی برای پیش بینی جریان روزانه و ساعتی در خروجی حوزه كر – چمریز ، ایجاد و نتایج آن با روش خطی سری زمانی اتورگرسیو و رگرسیون چندگانه مقایسه شده است. در تمام الگوهای به كار رفته در مقیاس زمانی روزانه عملكرد شبكه عصبی بهتر ازروشهای اتورگرسیو و رگرسیون چندگانه بوده است ولی در مقیاس زمانی ساعتی نتایج بر عكس بوده است.