سجاد امیری دوماری - دانشکده ریاضی و علوم، دانشگاه صنعتی سیرجان، سیرجان، ایران

سیلاب ها بعنوان یکی از پربسامدترین مخاطرات طبیعی،همه ساله خسارات جبران ناپذیری بر تاسیسات زیربنایی و کشاورزی وخانه های مسکونی وارد میسازند. به منظور جلوگیری از خسارات مالی وجانی ناشی از آن، اهمیت پیش بینی سیل امری اجتناب پذیر به نظر می رسد.با توجه به اینکه سیل ناشی از عوامل طبیعی و غیرطبیعی متعددی می باشدو همچنین محدودیت هایی از قبیل نبود اطلاعات کامل دارد؛ در نتیجهاستفاده از روشهای معمول از پیچیدگی های زیادی برخوردار است. در اینپژوهش شبکه های عصبی مصنوعی به عنوان یک روش کارآمد جهتپیش بینی سیل مورد استفاده قرارگرفته است. ورودی شبکه عصبی شاملدبی و اشل رودخانه می باشد که این داده ها در طی ۲۵۰۰ روز از رودخانهمارون، جمع آوری شده اند. شبکه مورد استفاده از نوع پرسپترون چندلایهبوده، همچنین وزن های شبکه عصبی با الگوریتم گرگ خاکستریبهینه سازی شده و نتایج آن با سایر روش های متداول مقایسه شده است.تحلیل نتایج خروجی نشان می دهد که شبکه عصبی با الگوریتم گرگخاکستری نتایج بهتری نسبت به دیگر روشها دارد و میزان صحت این روشبرابر ۰.۵۳ درصد می باشد که بیان کننده صحت و دقت بالا برای پیش بینیسیل نسبت به دیگر الگوریتم های تکاملی می باشد.

الگوریتم گرگ خاکستری، رودخانه مارون، روندیابی سیل، شبکه عصبی مصنوعی