محمد شفیع رضایی - کارشاسی ارشد عمران، دانشگاه ازاد اسلامی

پیش بینی دبی جریان در رودخانه ها از ملزومات برنامه ریزی جهت مدیریت منابع آبی در طراحی تاسیسات مرتبط با مهندسی رودخانه وهمچنین بهره برداری بهینه منابع آب قابل دسترس می باشد. لذا با توجه به روابط غیر خطی بین پارامتر های جریان رودخانه، مدل هاینوین شبکه های عصبی (ANNs) با قابلیت تحلیل پدیده های غیر خطی با سرعت پاسخگویی بالا و درصد خطای پایین به عنوان یکمکانیزم قابل اعتماد می تواند راهگشای طراحی مدل های پیش بینی باشد. در این پژوهش از آمار هیدرومتری (دبی) ۸۳ سال ابی در مقیاسزمانی ماهانه بر روی دو ایستگاه آب سنجی از رودخانه بشار و همچنین استفاده از نرم افزار MATLAB ویرایش ۲۰۱۴b درشاخه Neural Network جهت مدلسازی بهره گر ته شده است. الگوهای متفاوتی از داده ها بعنوان پارامتر های ورودی شبکه های پسانتشار پیش خور FFBP مورد بررسی قرار گر ته اند. نتایج حاصل از پیش بینی دبی جریان رودخانه توسط مدل غیرخطی شبکه عصبیبا نتایج حاصل از پیش بینی دبی توسط مدل مرسوم و خطی رگرسیون چندگانه (MLR) مقایسه گردیهده است. مقایسه مدل های فوقبیانگر قابلیت بسیار بالای شبکه عصبی مصنوعی در تمام الگوها نسبت به مدل رگرسیون چندگانه در پیش بینی جریان است. نتایجحاصل از آنالیز داده ها نشانگر توانایی مدل شبکه عصبی در پیش بینی نقاط پی نسبت به مدل مرسوم رگرسیون می باشد. همچنین اینمدلتوانسته است جریان رودخانه را به صورت تدمعی به طور رضایت بخشی پیش بینی نماید.

دبی جریان، شبکه عصبی مصنوعی، پس انتشار پیش خور، مدلسازی، رگرسیون چند گانه