بهبود پیش بینی و تخمین بار معلق رودخانه ها با استفاده از شبکه های عصبی مصنوعی

تخمین میزان بار رسوب یکی از اولویتهای بحث مدیریت رودخانه ها، مخازن سدها وبطور کلی پروژه های آبی است. با توجه به پیچیدگی پدیده رسوب و عدم توانایی تعیین دقیق معادلات حاکمه بدلیل تاثیرات پارامترهای مختلف ونیز تاثیر مسائلی نظیر تغییرات مکانی و زمانی شرایط هیدرولوژیکی حوضه آبریز و مشکلات ناشی ازتعیین تاثیرات آنها، محققان به استفاده از مدلهای جعبه سیاه نظیر شبکه های عصبی مصنوعی روی آورده اند. در این مقاله در مورد کارایی این شبکه ها در تخمین و پیش بینی بار معلق رودخانه ها، مطالعاتی انجام یافته و شبکه هایی طراحی شده اند که بار معلق رودخانه ها را پیش بینی می کنند. برای ساخت این شبکه ها از پرسپترون چند لایه استفاده شده و در انواع تقسیم بندی مجموعه داده ها، انواع ترکیبات ورودی شبکه ، تعدادلایه های شبکه و تعداد نورونهای لایه های ورودی ومخفی شبکه، تحقیقاتی انجام گرفته است. برای ایجاد مدلها، از تکنیک توقف زودهنگام (Early Stopping) استفاده شده و برای ارزیابی نتایج، مقایسه ای با روش منحنی سنجه رسوب انجام گرفته که نتایج، نشان دهنده برتری مدل شبکه های عصبی بوده است.

کلیدواژه ها:

پرسپترون چند لایه ، پیش بینی رسوب ، توقف زودهنگام ، منحنی سنجه ، شبکه عصبی