Data Mining وبیهنه سازی برآورد رواناب توسط شبکه عصبی مصنوعی

مسئله برآورد رواناب نظر به تغییر اقلیم یکی از مسائل چالش برانگیز در توسعه پایدار منابع آبی است چرا که وجود خطای زیاد برآورد میزان رواناب تولیدی می تواند سبب خسارت جبران ناپذیری گردد برآورد میزان رواناب کمتر از مقدار واقعی خطر سیلاب پیش بینی بیش از مقدار واقعی، تهدید جدی در پایداری توسعه مدیریت منابع اب را در پی خواهد داشت. در این پژوهش با استفاده از تکنولوژی جدید و استفاده از روش Data Miningتلاش شده است تا با حداقل پارامترها و داده ای موجود، امکان پیش بینی رواناب حاصل از بارش در حوضه طالقان توسط شبکه عصبی مصنوعی با کشف روابط پنهان میان پارامترهای ورودی و تشخیص موثرترین عامل انجام گردد.نتایج بررسی و آنالیز حساسیت 34 مدل شبکه عصبی مصنوعی مختلف با 50 تابع متفاوت در بررسی بیش از 3500 مدل ایجاد و تحلیل شده نشان می دهد ترکیبات مختلف اختلاف دما در این حوضه موثرترین عامل هستند. این نتایج از آن جهت بسیار حائز اهمیت هستند که ایجاد مدل های شبکه عصبی مختلف با حداقل اطلاعات موجود می تواند علاوه بر تسریع قابل توجه پژوهش ها با کمترین اطلاعات موجودجهت انجام پیش بینی های قابل اعتماد به کار روند.

کلیدواژه ها:

داده کاوی ، برآورد رواناب ، شبکه عصبی مصنوعی ، Data Mining ، Artifical NeuralNetworks