پيش بيني رواناب ماهانه با شبكه عصبي مصنوعي (ANN ) و مقايسه آن با نتايج روشهاي تجربي در حوضه آبريز كسيليان

تخمين دبي جريان در رودخانه، بدليل تاثير آن درذ مديريت منابع آب، مي تواند نقش اقتصادي مهمي داشته باشد. با روش هاي مختلفي مي توان رواناب خروجي از حوضه را محاسبه نمود. هر يك از روشها محاسن و معايب مربوط به خود را دارد. يكي از روشهايي كه اخير توجه بسياري از پژوهشگران را بهود جلب نموده است. استفاده از شبكه هاي عصبي مصنوعي ( ANN) مي باشد.در اين تحقيق با استفاده از شبكه هاي عصبي مصنوعي يك مدل هوشمند براي پيش بيني آورد ماهانه حاصل از بارش براي حوضه آبريز كسيليان، با وسعت 67/5 كيلومتر مربع كه معرف منطق وسيعي از قسمتهاي كوهستاني البرز شمالي محسوب مي شود ارائه مي شود. در اين مدل از يك شبكه چندلايه اي پيشخور پرسپترون ( MLP) با يك لايه پنهان از نرونهاي سيگموئيدي tansig) و يك لايه خروجي از نرونهاي خطي ( purelin) استفاده شده است.الگوريتم انتخابيبراي آموزش شبكه ها الگوريتم لونبرگ-ماركواتLM ) مي باشد. براي آموزش و تست شبكه هاي عصبي از كليه آمار مكوجود در طي سالهاي 1350 تا 1373 استفاده شده است. ساختار بهينه و الگوي ورودي بهينه شبكه عصبي با سعي و خطا تعيين مي گردد. تمام مراحل ايجاد شبكه، آموزش و تست آن با استفاده ار جعبه ابزار شبكه هاي عصبي نرم افزار MATLAB انجام انجام شده است. در نهايت نتايج حاصل از شبكه عصبي با نتايج حاصل از روش هاي جاستين ( Justian) و خوسلا ( Khosla) مقايسه گرديد. ميانگين مربعات خطا براي شبكه عصبي، روشهاي خوسلا و جاستين به ترتيب 829/6،3149،576 بدست آمد كه اين مقايسه نشان دهند دقت قابل قبول شبكه عصبي مصنوعي در پيش بيني رواناب مي باشد.