کاربرد شبکه عصبی مصنوعی در شبیه سازی و پیش بینی سیلاب مطالعه موردی حوضه آبخیز سد ارداک (زیرحوضه بقمچ)

در این پژوهش از شبکه های عصبی مصنوعی (Artificial Neural Networks) به عنوان ابزاری توانمند در مدلسازی فرآیندهای غیرخطی و نامعین به منظور پیش بینی دبی سیلاب، در ایستگاه های سینوپتیک، کلیماتولوژی و هیدرومتری اطراف حوضه آبخیز سد ارداک که حداقل 27 سال آمار روزانه داشتند استفاده شد. داده های مساحت، محیط، ارتفاع متوسط، شیب متوسط ابراهه، شیب متوسط حوضه، طول آبراهه اصلی، طول حوضه، تراکم زهکشی، زمان تمرکز و متوسط بارندگی سالیانه و 24 ساعته بعنوان ورودی مدل استفاده شد. در این مطالعه 70% داده ها برای آموزش مدلها (training) و 30% باقی مانده آزمایش آنها (testing) بکار رفته است. سپس مقدار برآورد شده با روش رگرسیون چند متغیره مقایسه گردید. نتایج حاصل از این تحقیق نشان داد که مدل شبکه عصبی با ضریب همبستگی (r(2)=0.96) در سطح معنی داری 5 درصد و مجذور میانگین مربعات خطا (RMSE) 3.71 در مرحله آموزش و 0.001 در مرحله آزمایش از دقت بالایی نسبت به روش رگرسیونی برخوردار بوده و در نتیجه در مدلسازی سیلاب روش شبکه عصبی مصنوعی بر روش رگرسیون چند متغیره ارجحیت دارد و پارامترهای شیب آبراهه اصلی، طول آبراهه اصلی و بارندگی سالیانه به ترتیب بیشترین نقش را در پیش بینی دبی سیلاب حوضه ابخیز سد ارداک داشته اند و می توان با دقت بالای 95 درصد دبی سیلاب این حوضه را پیش بینی نمود.

کلیدواژه ها:

دبی پیک لحظه ای ، شبکه عصبی مصنوعی ، ضریب همبستگی ، ریشه حداقل میانگین مربعات خطا (RMSE)