پیش بینی پارامترهای کمی و کیفی جریان در رودخانه کارون (بازه ملاثانی-فارسیات) با استفاده از شبکه های عصبی مصنوعی

برآورد و پیش‌بینی پارامترهای کیفی و کمی آب در طول رودخانه به منظور تصمیم‌گیری‌های مدیریتی یکی از اهداف مدیران و برنامه‌ریزان منابع آب تلقی می‌گردد. برآورد مقادیر کمی و کیفی جریان رودخانه ها با استفاده از مدلهای ریاضی به علت پیچیدگی مکانیزم و تعدد عوامل موثر در کیفیت جریان معمولا با خطای نسبتا قابل توجه‌ای همراه می‌باشد. امروزه تکنیک جدید استفاده از مدل شبکه‌های عصبی مصنوعی که مبتنی بر هوش مصنوعی می‌باشد کاربرد گسترده ای در زمینه‌های مختلف علمی به ویژه مهندسی آب پیدا کرده است. در این تحقیق با استفاده از مدل شبکه عصبی مصنوعی پرسپترون چند لایه(mlp)، شبکه پیش رونده(ff)، شبکه تابع پایه شعاعی (rbf) به پیش بینی 3 روز آینده مقادیر کمی و کیفی جریان در رودخانه کارون، بازه ملاثانی-فارسیات، شامل دبی جریان، اشل، کل املاح محلول در آب (tds) و هدایت الکتریکی (ec) پرداخته می شود. بازه زمانی داده های مورد استفاده از 1/1/1369 تا 12/7/1378 بوده که تعداد 10434 الگو بعد از تاخیر زمانی متغیر ها بدست آمد. برای آموزش، ارزیابی همزمان با آموزش و آزمون مدلها به ترتیب از 70% ، 20% و 10% الگوها استفاده گردید. برای تعیین داده های ورودی موثر در مدلهای شبکه عصبی مصنوعی و تعداد نرونها در لایه میانی هر یک از مدلها از قابلیت بهینه سازی الگوریتم ژنتیک استفاده شد. نتایج نشان می دهد که دقت مدل های ff، mlp و rbf در برآورد و پیش بینی پارامترهای کمی و کیفی جریان در رودخانه کارون به ترتیب برابر با 4/90%، 5/80% و 86% می باشد. آنالیز حساسیت متغیرهای خروجی نسبت به متغیر های ورودی نشان می دهد که زمان عبور جریان در رودخانه بر حسب ماه و فاصله طولی هر ایستگاه نسبت به ایستگاه بالادست به ترتیب بیشترین تاثیر بر پارامترهای کمی و کیفی جریان در رودخانه دارند.