علیرضا اسکندری نیا
هادی نظرپور
میرخالق ضیاء تبار احمدی
مهدی تیموری
محمد ذاکر مشفق

Normal ۰ false false false EN-US X-NONE AR-SA MicrosoftInternetExplorer۴ در دهه گذشته استفاده از شبکه عصبی در شبیه سازی فرآیندهای هیدرولوژیکی افزایش چشمگیری داشته است. نظر به این که بیشتر تحقیقات در این زمینه معطوف به رابطه بین این شبکه ها وسایر مدل های بارش رواناب و یا ارزیابی الگوریتم های آموزش است جهت بررسی ورودی های اساسی پژوهشی و کمک جهت پیش گویی جریان ضروری به نظر می رسد. در این تحقیق به منظور پیش بینی روزانه جریان رودخانه بختیاری از شبکه پرسپترون چند لایه استفاده و جهت نیل به اهداف فوق به بررسی نقش بارش پیشین در فرایند بارش- رواناب پرداخته شد و این پارامتر نیز به ورودی های مدل اضافه و بهبود قابل توجهی در نتایج پیش بینی (با ضریب تعیین ۹۴/۰ در مرحله صحت سنجی) حاصل گردید. بررسی آنالیز حساسیت مدل نسبت به پارامترهای ورودی نشان دهنده این مطلب بود که دبی یک روز قبل، میزان بارش ۷ روز قبل و بارش در ایستگاه باران سنجی تنگ پنج، پارامترهای اصلی این حوزه در پیش گویی جریان روزانه رودخانه می باشند. Normal ۰ false false false EN-US X-NONE AR-SA MicrosoftInternetExplorer۴ /* Style Definitions */ table.MsoNormalTable {mso-style-name:"Table Normal" mso-tstyle-rowband-size:۰ mso-tstyle-colband-size:۰ mso-style-noshow:yes mso-style-priority:۹۹ mso-style-qformat:yes mso-style-parent:"" mso-padding-alt:۰cm ۵.۴pt ۰cm ۵.۴pt mso-para-margin:۰cm mso-para-margin-bottom:.۰۰۰۱pt mso-pagination:widow-orphan font-size:۱۱.۰pt font-family:"Calibri","sans-serif" mso-ascii-font-family:Calibri mso-ascii-theme-font:minor-latin mso-fareast-font-family:"Times New Roman" mso-fareast-theme-font:minor-fareast mso-hansi-font-family:Calibri mso-hansi-theme-font:minor-latin mso-bidi-font-family:Arial mso-bidi-theme-font:minor-bidi}   

مدل سازی بارش- رواناب، شبکه عصبی مصنوعی، شاخص بارش پیشین، رودخانه بختیاری