بررسی الگوریتم پیش رو در مدل سازی فرآیند بارش-رواناب با استفاده از شبکه عصبی مصنوعی

در پژوهش حاضر از آمار 30 ساله ایستگاه های هواشناسی و هیدورمتری زشک واقع در استان خراسان رضوی جهت مدل سازی بارش-رواناب ماهانه استفاده شد. از آنجا که مقادیر بارش و رواناب ماهانه وابسته به زمان هستند، در ابتدا این داده ها به صورت سری زمانی مرتب شد. برازش مدل و پیش بینی مقادیر رواناب با استفاده از داده های بارش برای 12 ماه آینده به کمک مدل شبکه عصبی مصنوعی (ann) انجام شد. برای این منظور از نرم افزار spss 25 استفاده شد. ورود داده ها به مدل در 2 استراتژی الگوریتم پیش رو و سری کامل داده ها انجام شد. سپس اعتبارسنجی مقادیر پیش بینی شده با استفاده از 3 شاخص میانگین قدرمطلق فاصله (mad)، ریشه مربع میانگین خطا (rmse) و ضریب تعیین (r2) مورد ارزیابی قرار گرفت. نتایج نشان داد که مدل شبکه های عصبی مصنوعی در برازش مقادیر رواناب ماهانه برای هر 2 استراتژی مورد استفاده عملکرد مناسبی داشته است. با این وجود، هنگامی که از الگوریتم پیش رو استفاده شود (rmse=0.0141 m3/s) نسبت به زمانی که سری کامل داده ها وارد مدل شود (rmse=0.0259 m3/s)، عملکرد مدل بهبود قابل ملاحظه ای یافته است.