مریم حیدرزاده - استادیار گروه مهندسی آب مجتمع آموزش عالی میناب، دانشگاه هرمزگان

پیش بینی دقیق پارامترهای موثر در طرح های منابع آب، یکی از مهمترین مباحث تحقیقی مهندسان آب می باشد از جمله این پارامترها دبی رودخانه است. در این مقاله از شبکه عصبی به دو روش شبکه پرسپترون چند لایه (MLP) و با الگوریتم پس انتشار خطا و تابع پایه شعاعی (RBF) و با استفاده از نرم افزا ر متلب و ۱۹ SPSS به منظور تخمین دبی در حوزه آبخیز میناب با استفاده از داده های هم زمان بارش روزانه و دبی آب روزانه ایستگاه های برنطین، گلاشگرد و فاریاب برای یک دوره ۲۵ ساله استفاده شده است. در این تحقیق به منظور بررسی و تعیین بیش ترین تاثیر بارندگی هر یک از ایستگاه ها بر دبی آب رودخانه میناب، تاثیر ۵ روز متوالی بارش بر دبی را به صورت هر روز جداگانه (p۰ ، p-۱،p-۲، p-۳، p-۴، p-۵) برای تک تک ایستگاه ها و به صورت مشترک، بارش روز اول و دوم الی روز پنجم برای ایستگاه هایی که دو به دو مشترک در نظر گرفته شده، انجام شده است. نتایج بدست آمده نشان داد که روش چند لایه پرسپترون (MLP) کمترین خطا (RMSE) و بالاترین همبستگی (R^۲) بین بارش روزانه در هر سه ایستگاه با دبی اندازه گیری شده را نشان داد. همچنین بارش روز اول در ایستگاه های زوجی و بارش روز اول و پنجم در ایستگاه های منفرد بیشترین تاثیر را در تولید دبی خروجی حوضه دارد

شبکه عصبی, برآورد جریان, رودخانه ی میناب, شبکهMLP, شبکهRBF