واسنجی غیر قطعی مدل شبکه عصبی پیش بینی رواناب

فرآیند بارش رواناب یک پدیده به طور کامل پیچیده و غیرخطی در علوم مهندسی آب می باشد. مدل های مفهومی به طور وسیعی برای مدل سازی بارش رواناب به کار برده می شوند با این وجود، این مد لها نیازمند تعداد زیادی اطلاعات جزیی بوده و کاربرد آنها صرفا -محدود به مقیاس منطقه مورد مطالعه می باشد. در مواردی که با کمبود اطلاعات جزیی مواجه هستیم مدل های مانند شبکه های عصبیمصنوعی می توانند برای مد لسازی روابط غیرخطی و پیچیده به کار روند. در این پژوهش به منظور شبیه سازی بارش رواناب در حوزه آبخیز - Doniphan از مدل شبکه عصبی پرسپترون چند لایه ) MLP )استفاده شد. واسنجی و ارزیابی عدم قطعیت مدل شبکه عصبی پرسپترون با استفاده از الگوریتم SUFI صورت گرفته است و در ابتدا مقدار بازه مطلق نرون ها [10-25] انتخاب شده است.شاخص های P-factor و D- factor به منظور ارزیابی مدل به کار برده شده استو در نهایت بازه [14-21] به عنوان بازه بهینه برای تعداد نرون ها به دست آمده است. شاخص های D-factor و P- factor نیز برابر ای مقادیر0.543و0.889 به دست آمده است.

کلیدواژه ها:

شبکه عصبی ، الگوریتم SUFI ، عدم قطعیت ، رواناب ، رودخانه Doniphan