تحلیل اثر نحوه انتخاب والدین در الگوریتم ژنتیک بر بهینه سازی اوزان شبکه عصبی مصنوعی در پیش بینی دبی رواناب دریاچه نمک در ایستگاه سرابهنده

پیش بینی دبی رواناب به دلیل رابطه مستقیم آن با چگونگی تعامل مدیران با خطرات جانی ناشی از سیلاب ها، از اهمیت خاصی برخوردار است. در پژوهش حاضر، با استفاده از تحلیل تاثیر نحوه انتخاب والدین در روش الگوریتم ژنتیک بر بهینه سازی اوزان شبکه عصبی مصنوعی اقدام به پیش بینی دبی رواناب دریاچه نمک در ایستگاه سراب هنده شده است. از این رو، داده های دما، بارش و رواناب متوسط ماهیانه ایستگاه سراب هنده برای دوره آماری 1386-1345 (41سال) در حوضه دریاچه نمک مورد استفاده قرار گرفت. بدین منظور، از نرم افزار متلب بهره گرفته شد. 75 درصد داده ها ( داده های 30 سال اول )، جهت آموزش یک شبکه عصبی مصنوعی برای پیش بینی رواناب بر اساس دما و بارش مورد استفاده قرار گرفت و به وسیله آن مقادیر رواناب 25 درصد باقیمانده سال ها ( 11 سال آخر) پیش بینی و با مقادیر مشاهداتی مقایسه شد. نتایج نشان داد داده های پیش بینی شده برای تمامی ماه ها خطای بزرگتری نسبت به داده های آموزش شبکه داشتند به نحوی که کم ترین خطای پیش بینی در حالت آموزش و آزمون مربوط به ماه فروردین به ترتیب با مقدار 0/0719 و 0/1585 حاصل شد. ماه شهریور با میانگین جذر خطای 0/0025 به عنوان بهترین پیش بینی انتخاب شد.

کلیدواژه ها:

الگوریتم ژنتیک ، شبکه عصبی مصنوعی ، رواناب ، پیش بینی