تحليل منطقه اي سيلاب با استفاده از مدل شبکه عصبی مصنوعی و رگرسیون چند متغیره

در این تحقیق از شبکه های عصبی مصنوعی به عنوان ابزاری توانمند در مدلسازی فرایندهای غیرخطی و نامعین به منظور پیش بینی دبی سیلاب در ایستگاه های سینوپتیک،کلیماتولوژی و هیدرومتری استان خراسان که حداقل 27 سال آمار روزانه داشتند استفاده شد. از نرم افزار spss22 برای پیش بینی دبی سیلاب و تجزیه و تحلیل عناصرفیزیوگرافی و اقلیمی کمک گرفته شد. ورودی مدل شبکه عصبی و رگرسیونی 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 است و خروجی مدل دبی پیک سیلاب با دوره بازگشتهای مختلف است. تقریبا 70% داده ها برای اموزش مدل و 30% باقی مانده برای ازمایش ان بکار رفته است.شبکه مورد استفاده از نوع پرسپترون چندلایه می باشد. سپس مقدار براورد شده با روش رگرسیون چند متغیره مقایسه گردید.نتایج حاصل ازین تحقیق نشان داد که مقدار خطای براوردی در روش شبکه عصبی کمتر از روش رگرسیون چندمتغیره می باشد بنابراین روش شبکه عصبی با میانگین ضریب همبستگیR2=0.92 در سطح معنی داری 5 درصد و جذر میانگین مربعات خطای RMSE=0.17 در چهار حوضه مورد مطالعه 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 مساحت ، زمان تمرکز ، طول آبراهه اصلی و ضریب گراویلیوس به ترتیب بیشترین نقش را در پیش بینی دبی سیلاب استان خراسان داشته اند و می توان با دقت بالای 95 درصد دبی سیلاب را پیش بینی نمود.