پیش بینی دبی اوج سیلابی با استفاده از شبکه عصبی مصنوعی و رگرسیون چند متغیره ، مطالعه موردی حوضه آبخيز سد ارداك (زيرحوضه بقمج)

در این پژوهش از شبکه های عصبی مصنوعی (Artificial Neural Networks) به عنوان ابزاری توانمند در مدلسازی فرایندهای غیرخطی و نامعین به منظور پیش بینی دبی سیلاب در ایستگاه های سینوپتیک،کلیماتولوژی و هیدرومتری اطراف حوضه آبخيز سد ارداك که حداقل 27 سال آمار روزانه داشتند استفاده شد. داده های مساحت ، محیط، ارتفاع متوسط ، شیب متوسط ابراهه،شیب متوسط حوضه، طول ابراهه اصلی ،طول حوضه، تراکم زهکشی، زمان تمرکز و متوسط بارندگی سالیانه و 24 ساعته بعنوان ورودی مدل استفاده شد. در این مطالعه 70% داده ها برای اموزش مدلها (training) و 30% باقی مانده برای ازمایش انها (testing) بکار رفته است. سپس مقدار براورد شده با روش رگرسیون چند متغیره مقایسه گردید.نتایج حاصل ازین تحقیق نشان داد که مدل شبکه عصبی با ضریب همبستگی (0.96=r2) در سطح معنی داری 5 درصد و مجذور میانگین مربعات خطا (RMSE) 3.71 در مرحله اموزش و 0.001 در مرحله ازمایش از دقت بالایی نسبت به روش رگرسیونی برخوردار بوده و در نتیجه در مدلسازی سیلاب روش شبکه عصبی مصنوعی بر روش رگرسیون چندمتغیره ارجحیت دارد و پارامترهای شیب آبراهه اصلی، طول آبراهه اصلی و بارندگی سالیانه به ترتیب بیشترین نقش را در پیش بینی دبی سیلاب حوضه آبخيز سد ارداك داشته اند و می توان با دقت بالای 95 درصد دبی سیلاب این حوضه را پیش بینی نمود.

دبی پیک لحظه ای ، شبکه عصبی مصنوعی ، ضریب همبستگی ، ریشه حداقل میانگین مربعات خطا (RMSE)