مدلسازی فرآیند بارش – رواناب در حوضه لیقوان چای با استفاده از نرون شرطی آستانه دمایی

لزوم پیشبینی بده رودخانه در کارهای عمرانی، برنامهریزی برای استفاده بهینه از مخازن سدها، ساماندهی رودخانهو هشدار سیل، کاملا احساس میشود. در این راستا مسئله بارش- رواناب بیشترین توجه مدلسازهای شبکههای عصبی۲ برای پیشبینی بارش- MLP مصنوعی ۱ را به خود معطوف کرده است. در این تحقیق از شبکههای عصبی چند لایهرواناب حوضه آبریز برفگیر لیقوانچای واقع در استان آذربایجان شرقی استفاده شده است. اطلاعات این حوضهشامل دادههای بارش، دما و رواناب روزانه میباشد. در مراحل مختلف تحقیق اثرات هر یک از این عوامل (در قالبترکیبات مختلف) در کارایی شبکه، مورد بررسی قرار گرفته است. همراهی سه عامل بارش در روز جاری و روزهایقبل، دما در روز جاری و روزهای قبل و رواناب در روزهای قبل در ماتریس ورودی بهترین نتایج را برای شبکهعصبی در پی داشته است. از آنجایی که حوضه آبریز لیقوان یک حوضه برفگیر میباشد، اثر دما در این حوضه وتبدیل برف به رواناب حائز اهمیت بوده و در ادامه مورد بررسی قرار گرفته و نرونی با نام نرون شرطی آستانه دمایی۳ تعریف شده است. مقادیر این نرون بصورت باینری بوده و اعداد صفر و یک را به خود میگیرد. معیار این CTTتفکیک مقدار آستانه دمایی ذوب برف میباشد که برای حوضه لیقوان محاسبه شده است. در پایان نتایج مدل۴ مقایسه شده است. نتایج نشان دهنده کارایی بهتر شبکه DSH شبکههای عصبی با مدل هیدروگراف ذوب برف بی بعدمیباشد. DSH عصبی نسبت به مدل ذوب برف

کلیدواژه ها:

الگوریتم پس انتشار خطا ، شبکههای عصبی مصنوعی ، مدل سازی بارش رواناب ، نرون شرطی آستانه دمایی