تقریب پارامترهای هیدرولیكی در آبراهه های طبیعی با استفاده از توابع آماری و تصحیح و دقت با شبكه های عصبی

فرآیند تغییرات جریان و حرکت آب و رسوب به طور همزمان در رودخانه های حوزه های آبریز خشک و نیمه خشک،پدیده ای بسیار پیچیده است؛ از این رو به جهت پیش بینی وضعیت این رودخانه ها در مواقع بحران و بررسی پارامترهایمهم هیدرولیکی آنها، می بایست از روش های شبیه سازی موجود استفاده کرد. در این پژوهش ابتدا داده های مشاهداتیحوزه آبریز رودخانه هیرمند به عنوان داده های ورودی نرم افزار درنظر گرفته شده و سپس پارامترهای ورودی نرم افزار دربهترین حالت بهینه سازی شد. سپس سیلاب با دوره بازگشت مختلف محاسبه و داده ها به صورت جدول ارائه شد. دبی هایمربوط به این سیلاب ها به عنوان اطلاعات مورد نیاز در شبکه عصبی استفاده شده است. قسمتی از اطلاعات به عنوانآموزش و قسمتی دیگر به عنوان آزمون درنظر گرفته شد. با بررسی پارامترهای رگرسیونی در هریک از مدلسازی ها، دقتمدل های ارائه شده مورد بررسی و نمودار خطای نسبی در هربخش ترسیم و مورد مطالعه قرار گرفت. در این تحقیق از سهمعیار آماری متداول یعنی ضریب همبستگی، میانگین متوسط خطا و جذر میانگین مربعات خطا استفاده شده است. نتایجتحقیق حاکی از توانایی شبکه های عصبی در بررسی سیلاب های با دوره های بازگشت مختلف می باشد. در هریک ازشبکه ها و برای هر سیلاب پارامترهای شبکه تغییر داده شدند تا دقیق ترین نتایج بر حسب معیارهای آماری بدست آیند.نتایج نشان داد برای هر سیلاب با دوره بازگشت متفاوت تعداد سیکل ها و تعداد نرون ها و همچنین نوع تابع آموزش برایبدست آوردن بیشترین دقت متفاوت می باشد.

کلیدواژه ها:

خطای شبکه ، تابع محرک ، شبکه های عصبی ، شبکه MLP