مدلسازی جریان روزانه ورودی به سد تهم با استفاده از شبکه عصبی مصنوعی

به منظور طراحی و بهره برداری بهینه و قابل اعتماد سیستم هایی مانند مخازن سدها و برنامه ریزی کارآمد در مدیریت منابع آب های سطحی، تخمین صحیح آبدهی رودخانه ها دارای اهمیت زیادی می باشد. مدل سازی مقادیر جریان در مقاطع مکانی و زمانی مورد نظر در رودخانه ها، با توجه به اهمیت بالای این مقادیر در طراحی تاسیسات آبی مانند سدها و سازه های مهار آب، همواره مورد توجه مهندسان در عرصه منابع آب بوده است. در تحقیق حاضر، از مدل شبکه عصبی مصنوعی برای شبیه سازی جریان ورودی به مخزن سد تهم در استان زنجان و برای دوره آماری 1389 تا 1392 استفاده شد. شبکه پرسپترون چندلایه با الگوریتم پس انتشار خطا، به صورت پیش رو و با استفاده از داده های همزمان هواشناسی ( دما، باد، بارش و ...) به عنوان ورودی، خروجی های بسیار ضعیفی را تولید کرد که بر این اساس، پس از بارها سعی و خطا، مقدار ضریب همبستگی دوره آموزش، نهایتا برابر با 35 / 0 بدست آمد. در ادامه، از روش تاخیر در داده های هواشناسی و دبی برای افزایش توانایی شبکه استفاده شد که ضریب همبستگی بالا ( 89 درصد) در مرحله آموزش نتیجه مدلسازی بود. با توجه به نتایج حاصل شده، می توان این گونه بیان نمود که براساس داده های ورودی و کیفیت داده ها، مدل شبکه عصبی می تواند با استفاده از روش تاخیر در سری زمانی دبی، تخمین خوبی را از دبی های ورودی به سد تهم ( که مجموع جریان های دو رود تهم و گله هرود می باشد) داشته باشد. نهایتا در بهترین معماری شبکه ( با یک لایه پنهان با 12 المان، تابع انتقال تانژانت هایپربولیک و تحت قاعده لونبرگ مارکوارت)، ضریب همبستگی مرحله آموزش و تست به ترتیب برابر با 96 / 0 و 98 / 0 محاسبه گردید.

کلیدواژه ها:

رودخانه تهم ، سد تهم ، ضریب همبستگی ، مدل سازی رواناب ، مدل شبکه عصبی مصنوعی پس انتشار