پیش بینی دبی جریان رودخانه بشار با استفاده از شبکه عصبی مصنوعی

پیش بینی دبی جریان در رودخانه ها از ملزومات برنامه ریزی جهت مدیریت منابع آبی در طراحی تاسیسات مرتبط با مهندسی رودخانه و همچنین بهره برداری بهینه منابع آب قابل دسترس می باشد. لذا با توجه به روابط غیر خطی بین پارامتر های جریان رودخانه، مدلهای نوین شبکه های عصبی (anns) با قابلیت تحلیل پدیده های غیر خطی با سرعت پاسخگویی بالا و درصد خطای پایین به عنوان یک مکانیزم قابل اعتماد می تواند راهگشای طراحی مدلهای پیش بینی باشد. در این پژوهش از آمار هیدرومتری (دبی)38 سال ابی در مقیاس زمانی ماهانه بر روی دو ایستگاه آب سنجی از رودخانه بشار و همچنین استفاده از نرم افزار matlab ویرایش 2014b در شاخهneural network جهت مدلسازی بهره گرفته شده است. الگوهای متفاوتی از داده ها بعنوان پارامتر های ورودی شبکه های پس انتشار پیش خور (ffbp) مورد بررسی قرار گرفته اند. نتایج حاصل از پیش بینی دبی جریان رودخانه توسط مدل غیرخطی شبکه عصبی با نتایج حاصل از پیش بینی دبی توسط مدل مرسوم و خطی رگرسیون چندگانه (mlr) مقایسه گردیده است. مقایسه مدلهای فوق بیانگر قابلیت بسیار بالای شبکه عصبی مصنوعی در تمام الگوها نسبت به مدل رگرسیون چندگانه در پیش بینی جریان است. نتایج حاصل از آنالیز داده ها نشانگر توانایی مدل شبکه عصبی در پیش بینی نقاط پیک نسبت به مدل مرسوم رگرسیون می باشد. همچنین این مدلتوانسته است جریان رودخانه را به صورت تجمعی به طور رضایت بخشی پیش بینی نماید.