بررسی دقت الگوریتم های مختلف شبکه عصبی در برآورد جریان کم حوضه کن

شناخت نحوه تغییرات جریان کم اهمیت زیادی در برنامه ریزی منابع آب و الگوی کشت و زمانکشت محصولات زراعی می تواند داشته باشد. معمولا جریان پایه علاوه بر عوامل مروفومتریکمتاثر از عوامل اقلیمی بخصوص دما و بارش دارد. در حال حاضر دما و بارش بصورت فصلی وحتی شش ماهه قابل پیش بینی با دقت مناسب براساس مدل های جهانی گردش عمومی جو میباشد. شبکه عصبی یک ابزار قدرتمند در شبیه سازی محسوب می شود که در علوم هیدرولوژینیز کارایی آن به اثبات رسیده است. هدف از این پژوهش ارزیابی سه الگوریتم شبکه عصبی دربرآورد دبی روزانه بخصوص دبی های کم می باشد. برای این منظور ایستگاه کن انتخاب و سریزمانی روزانه دبی تهیه و بارش و دمای متناظر آن نیز تهیه شد. با سه الگوریتم مختلف شبکهعصبی اجرا شد. دقت الگوریتم LM نسبت به دو روش GDX و SCG بهتر بدست آم د. دوالگوریتم- نرون LM سه نرونی و GDX یک نرونی به ترتیب با خطای ۰/۰۶ و ۰/۲۱ مترمکعببر پانیه نسبت به بقیه اجراها از دقت بهتری برخوردار بودند.

کلیدواژه ها:

جریان کم ، شبکه عصبی ، الگوریتم LM ، حوضه کن