بهرام جعفر طباطبائی - کارشناس ارشد عمران-آب، دانشگاه سیستان و بلوچستان
مهرداد میرابی - کارشناس ارشد عمران-آب، دانشگاه فردوسی مشهد
امیرحسین فرزبد - کارشناسی ارشد عمران-آب، دانشکده مهندسی، دانشگاه فردوسی مشهد

یکی از پدیده های حائز اهمیت در هیدرولوژی فرایند بارش- رواناب می باشد.استفاده از شبکه های عصبی مصنوعی برای پیش بینی پدیده های هیدرولوژیکی با توجه به ماهیت غیرخطی و اتفاقی آن ها قابل توجیه است در این تحقیق، شش شبکه عصبی مصنوعی پرسپترون چند لایه مجزا با ورودی های مختلف با توابع محرک متفاوت استفاده شده است. بدین منظور بعد از تعیین تعداد نرون بهینه به ازای پارامترهای ورودی مختلف، میزان خطای تولید شده در پیش بینی سیلاب های متوسط محاسبه شده و از این طریق، تأثیر عوامل مختلف بر روی محاسبه دقیق تر سیلاب ها توسط شبکه بررسی شده است. در نهایت مشخص گردید دو مدل شبکه عصبی MLP با چهارده نرون ورودی و پانزده نرون در لایه میانی بهترین عملکرد را ارائه نمودند و پیش بینی ها با خطای کمتری محاسبه شده است.

سیلاب، شبکه های عصبی مصنوعی، شبکه پرسپترون چند لایه