مقایسه شبکه عصبی مصنوعی و رگرسیون خطی چند متغیره در پیش بینی میزان آبدهی مخزن سد کرج

در کشور ایران که در اقلیم خشک و نیمه خشک قرار دارد، سدهای مخزنی در تامین نیازهای شرب، کشاورزی و صنعت از اهمیت ویژه ای برخوردارند. در این راستا، برآورد مقدار آورد رودخانه به مخزن سد از موضوعات با اهمیت محسوب می شود. در پیش بینی مقدار جریان ورودی به مخزن سد، معمولاً از دو روش کلی مدلسازی مفهومی و مدلسازی جعبه سیاه استفاده می شود. یکی از مدل های معروف جعبه سیاه در زمینه پیش بینی جریان رودخانه، مدل شبکه عصبی مصنوعی (ANN) می باشد. همتای آماری مدل ANN ، مد لهای رگرسیون خطی، رگرسیون غیرخطی و مدل های سری زمانی می باشند، که قبل از کاربردی شدن مدل ANN کاربرد فراوانی در زمینه مدلسازی و پیش بینی آبدهی رودخانه داشته اند. در این تحقیق بررسی کارایی مدل ANN و رگرسیون خطی چند متغیره در پیش بینی دبی ورودی به مخزن سد کرج در مقیاس ماهانه انجام خواهد شد. هدف از انجام این تحقیق بدست آوردن الگویی مناسب جهت پیش بینی آبدهی ماهانه رودخانه کرج با استفاده از مدل ANN و رگرسیون خطی و مقایسه نتایج این دو مدل با یکدیگر می باشد. نتایج بدست آمده نشان می دهد که پیش بینی بر اساس آبدهی سه ماه گذشته دارای بالاترین دقت در هر دو مدل می باشد. نتایج مقایسه مدل ANN مذکور با مدل رگرسیون خطی حاکی از عملکرد بهتر مدل شبکه عصبی مصنوعی نسبت به مدل رگرسیون خطی می باشد.

کلیدواژه ها:

پیش بینی آبدهی ، الگوی زمانی ، مدل شبکه عصبی مصنوعی ، مدل رگرسیون خطی