مطالعه پيش بيني جريان در رودخانه ها با سيستم هوشمند شبكه عصبي مصنوعي

لزوم پيش بيني جريان در رودخانه ها، در مديريت صحيح منابع آب جهت مصارف كشاورزي، شرب، صنايع، جريانات ورودي به مخازن سد، همچنين ساماندهي رودخانه ها و سامانه هاي هشدار سيل و... و نمود بارز اثرات اقتصادي، اجتماعي و فرهنگي آن در جامعه، همواره مهندسين رودخانه و محيط زيست را به سمت مدلهاي با قابليت پيش بيني با سرعت پاسخگويي بالا و درصد خطاي پايين سوق داده است .لذا مدلهاي نوين شبكه عصبي مصنوعي (ANNS)به عنوان مدلهاي تجربي كه به مدلهاي جعبه سياه معروفند با قابليت مدلسازي پديده هاي غير خطي ضمن برآورده كردن اين نيازها ونيز بدون نياز به پارامترهاي گوناگون و... از ديگر همتايان سنتي خود همچون مدلهاي رگرسيوني و سري زماني سبقت گرفته و نگاه كارشناسان حوزه منابع آب را به سوي خود معطوف داشته است. در اين پژوهش از آمار هيدرومتري و هواشناسي(بارش، دبي و تبخير) 23سال آبي درمقياس زماني ماهانه بر روي رودخانه گاماسياب و همچنين از نرم افزار MATLABويرايش 7.8 در شاخه Neural Networkجهت مدلسازي بهره گرفته شده است. الگوهاي متفاوتي از داده ها بعنوان پارامترهاي ورودي شبكه هاي پس انتشار پيشخور(FFBP) كه شبكه هاي چندلايه پرسپترون هم ناميده مي شوند مورد بررسي قرار گرفته است. نتايج حاصله بيانگر قابليت بالاي مدل در الگوهايي كه از پارامترهاي ورودي دبي و بارش ايستگاههاي بالادست و تبخير در نقطه خروجي استفاده گرديده است مي باشد