مقایسه عملکرد شبکههای عصبی MLP و RBF در پیشبینی دبی روزانه رودخانه

از مهمترین مسایل در مدیریت حوضههای آبخیز، شبیهسازی فرآیندهای هیدرولوژیکی می باش د. استفاده از مدل های جدید در این زمینه میتواند به مدیریت و برنامهریزی صحیح کمک کند. در دو دهه اخیر با ظهور روشهای مبتنی بر هوش مصنوعی، پیشبینی پارامترهای مختلف در مهندسی آب به شدت توسعه یافته است. پیشبینی آبدهی رودخانه و مقدار جریان خروجی از حوضه از مهمترین موضوعات در برنامهریزی و استفاده بهینه از منابع آب یک حوضه است. پیش بینی د قیق جریان در رودخانهها، همواره به عنوان یکی از عوامل مهم در طراحی ایمن و اقتصادی تاسیسات و سازههای آبی وابسته به رودخانهها مورد توجه محققین بوده است. در این پژوهش، از تکنیک شبکه عصبی پرسپترون چندلایهMLP و شبکه عصبی با تابع پایه شعاعی RBF) برای پیشبینی دبی روزانه رودخانه قرهسو در استان گلستان استفاده شده است. اطلاعات آماری مربوط به چهار ایستگاه بارانسنجی و هیدرومتری واقع در حوضه برای 18 سال آماری از سال 1368 تا 1386 میباشد طبق نتایج بهدست آمده مدل شبکه عصبیMLP نسبت به RBFاز دقت بالاتری برخوردار است؛ هر چند که این برتری محسوس و معنیدار نیست. تنها مزیت شبکهRBFزمان کمتر مورد نیاز برای آموزش آن است.

کلیدواژه ها:

مدیریت منابع آب ، پیش بینی دبی رودخانه ، شبکه عصبیMLP - شبکه عصبی RBF