بررسی تاثیر عامل بارش پیشین در برآورد جریان رودخانه توسط شبکه عصبی مصنوعی (مطالعه موردی: رودخانه بختیاری)

در دهه گذشته استفاده از شبکه عصبی در شبیه سازی فرآیندهای هیدرولوژیکی افزایش چشمگیری داشته است. نظر به این که بیشتر تحقیقات در این زمینه معطوف به رابطه بین این شبکه ها و سایر مدل های بارش رواناب و یا ارزیابی الگوریتم های آموزش است پژوهشی جهت بررسی ورودی های اساسی و کمکی، جهت پیش گویی جریان ضروری به نظر می رسد. در این تحقیق به منظور پیش‌بینی روزانه جریان رودخانه بختیاری از شبکه پرسپترون چند لایه استفاده و جهت نیل به اهداف فوق به بررسی نقش بارش پیشین در فرایند بارش- رواناب پرداخته شد و این پارامتر نیز به ورودی های مدل اضافه و بهبود قابل توجهی در نتایج پیش بینی (با ضریب تعیین 94/0 در مرحله صحت سنجی) حاصل گردید. بررسی آنالیز حساسیت مدل نسبت به پارامترهای ورودی نشان دهنده این مطلب بود که دبی یک روز قبل، میزان بارش 7 روز قبل و بارش در ایستگاه باران سنجی تنگ پنج، پارامترهای اصلی این حوزه در پیش گویی جریان روزانه رودخانه می باشند.