مقايسه دقت مدل هاي شبکه عصبي مصنوعي(ANN) و رگرسیونی (OLS) در برآورد سیلاب (مطالعه موردی: حوضه فاروب رومان نیشابور)

در اين تحقيق از روابط رگرسیونی و تكنيك شبكه عصبي مصنوعي جهت برآورد دبي پيك لحظه اي سیلاب حوضه فاروب رومان نیشابور با استفاده از آمار فیزیوگرافی و اقلیمی ایستگاه های مجاور آن استفاده شده است. به این منظور با بررسي ايستگاه هاي سینوپتیک،کلیماتولوژی و هیدرومتری اطراف حوضه آبخيز مورد نظر، تعداد 17 ايستگاه که حداقل 27 سال آمار روزانه داشتند انتخاب و داده های مساحت ، محیط، ارتفاع متوسط ،شیب ابراهه اصلی،شیب متوسط حوضه، طول ابراهه اصلی ، زمان تمرکز، ضریب گراویلیوس و متوسط بارندگی سالیانه بعنوان ورودی مدل و دبی پیک سیلاب بعنوان خروجی مدل استفاده شد. ابتدا دبي پيك لحظه اي با روابط رگرسیونی برآورد گرديد سپس برای ایجاد مدل شبکه عصبی 70% داده ها برای اموزش مدل (training) و 30% باقی مانده برای ازمایش ان (testing) بکار رفت. در نهایت بمنظور مقايسه نتايج و ارزيابي كارايي روش هاي ذكر شده در برآورد دبي پيك لحظه اي ، از ضريب همبستگي و ريشه حداقل ميانگين مربعات خطا استفاده گرديد. نتايج نشان داد كه تكنيك شبكه عصبي مصنوعي نسبت به روش هاي رگرسیونی در برآورد دبي پيك لحظه اي سیلاب برتري دارد. براساس اين نتايج مي توان مشكل كوتاه بودن دوره آماري مربوط به داده هاي دبي حداكثر لحظه اي در ايستگاه ها را با روش شبكه عصبي مصنوعي برطرف كرد و با دقت بالایی دبی سیلاب حوضه آبخیز را پیش بینی نمود.

دبی پیک سیلاب، شبکه عصبی مصنوعی، مدل رگرسیونی، ضریب همبستگی، ریشه حداقل میانگین مربعات خطا، نیشابور