حسن ساقی - دانشجوی دکتری عمران-آب عضو هیئت علمی دانشگاه آزاد اسلامی واحد بجنورد و
امیرعلی معاون شهیدی - کارشناس ارشد عمران_آب و کارشناس شرکت مهندسی مشاور آب پوی مشهد
محمدباقر شریفی - استادیار گروه عمران دانشگاه فردوسی مشهد

سریهای زمانی از شاخه های علم آمار و احتمالات می باشد که در رشته های مختلف علوم همچون اقتصاد مهندسی، ارتباطات و هواشناسی کاربرد فراوانی داشته و همچنین دامنه کاربرد آن روز به روز گسترده تر می شود. تجزیه و تحلیل سریهای زمانی توسط افرادی همچون جورج ای. پی باکس و ام. جنکینس در سال 1970 بسرعت توسعه پبدا نمود. تحلیل پدیده های تصادفی درقلمرو علم آمارو احتمال از زیرمجموعه های علم هیدرولوژی بوده و هدف از آن معمولاً درکیا به مدل در آوردن مکانیسم تصادفی که منجر به مشاهده سری می شود و نیز پیش بینی مقادیر آینده سری، بر.[ مبنای گذشته آن می باشدیکی از روشهای تجزیه وتحلیل داده ه ا در هیدرولوژی، استفاده از مدلهای اتفاقی می باشد . شبکه عصبی مصنوعی نیز به عنوانیکی از روشهای مناسب جهت حل مسائلی که معادله حاکم مشخص ندارد، می تواند روش مناسبی جهت تحلیل سری زمانی باشد.هدف از این تحقیق، بررسی کارائی دو روش شبکه عصبی مصنوعی و م دلهای اتفاقی جهت شبیه سازی جریان رودخانه و مقایسه آنها بایکدیگر می باشد . بدین منظور، اطلاعات مربوط به رودخانه درونگر واقع در شهرستان درگز(خراسان شمالی ) مربوط به سالهای 1328 لغایت 1380 استفاده گردی د . اطلاعات مربوط به سالهای 1328 لغایت 1354 جهت آموزش شبکه عصبی و به دست آوردن ضرائب مجهول مدلهای اتفاقی و سایر اطلاعات جهت آزمایش شبکه عصبی و مقایسه مدلهای اتفاقی مورد استفاده قرار گرفت . در نهایت ملاحظه گردید مدل اتورگرسیو مرتبه دوم در میان سایر مدلهای اتفاقی نتایج بهتری ارائه می نمای د . همچنین شبکه عصبی مصنوعی که ساختار آن بر اساس روابط حاکم بر مدل اتورگرسیو مرتبه دوم به دست آمده است، نتایج بهتری نسبت به مدل اتورگرسیو ارائه می دهد.

سری زمانی، دبی ماهیانه، مدل اتورگرسیو، شبکه عصبی مصنوعی