مدل شبکه عصبی مصنوعی پیش بینی جریان ورودی به مخزن سد دامغان به کمک داده های تصاویر NOAA از سطح پوشش برف

برای مدیریت منابع بهینه بهره برداری از مخازن سدها دانستن آبدهی رودخانه در ماه های آینده مفید است. پیش بینی چند ماه آینده جریان ورودی به مخزن سدها موجب بهبود مدیریت بهره برداری از مخزن سدها می گردد. هدف این تحقیق، پیش بینی چند ماه آینده جریان ورودی به مخزن سد دامغان در استان سمنان با استفاده از مدل شبکه عصبی مصنوعی دینامیک می باشد، داده های ورودی این مدل شامل داده های ماهانه آبدهی، دمای متوسط، بارش و سطح پوشش برف چند ماه قبل می باشد. در این تحقیق آمار داده های یاد شده به مدت ۲۲ سال استفاده گردیده است. تعیین سطح  پوشش برف، با استفاده از تصاویر سنجنده AVHRR ماهواره NOAA انجام شده است و جداسازی سطح برف با استفاده از حد آستانه هیستوگرام برف در باندهای مرئی و حرارتی انجام شده است. مدل شبکه عصبی مصنوعی از نوع دینامیک بوده و دارای یک لایه مخفی، تابع انتقال سیگموئید و تابع آموزش لونبرگ-مارکوارت میباشد. پنج مدل شبکه عصبی مصنوعی دینامیک با دادههای ورودی متفاوت اجرا و نتایج آنها مقایسه شده است. معیارهای انتخاب بهترین مدل، شامل نسبت جذر میانگین مربعات خطا به متوسط دبی مشاهداتی (RMSE/Qobs)، انحراف خطای میانگین (MBE)، میانگین قدر مطلق خطای نسبی (MARE)، حداکثر خطای نسبی (REmax) و ضریب همبستگی R۲ بوده و بهترین نتیجه با مدلی حاصل گردید که داده های بارش، آبدهی و سطح پوشش برف را به عنوان ورودی مدل استفاده کرده بود. با مقایسه خطاهای نسبی و تجمعی مدلها، مشخص شد که شبکه عصبی مصنوعی دینامیک با دادههای ورودی یاد شده می تواند آبدهی ماهانه شش ماه آینده را با دقت مناسبی پیش بینی کند. همچنین مقایسه مدل منتخب با مدلی که داده های ورودی آن بارش و آبدهی بود نشان داد که افزودن سطح برف، بترتیب باعث کاهش ۱۰% و ۲۶% در شاخص MARE و REmax می شود.

کلیدواژه ها:

سد دامغان ، شبکه عصبی مصنوعی دینامیک ، پیش بینی جریان NOAA-AVHRR و سطح پوشش برف