امید خورشیدی - دانشجوی کارشناسی ارشد سازه های هیدرولیکی، دانشگاه آزاد اسلامی واحد دزفول، دزفول، ایران
محمد ذاکرمشفق - استادیار گروه مهندسی عمران، دانشگاه صنعتی جندی شاپور دزفول
علی محمد آخوندعلی - استاد گروه مهندسی منابع آب، دانشگاه شهید چمران اهواز

مهمترین هدف در واسنجی مدل پیش بینی سیلاب یافتن مقادیر بهینه پارامترهای اصلی مدل می باشد، بنحوی که کاربرد بهینه مدل در گرو واسنجی دقیق پارامترها و تطابق بیشتر میان نتایج محاسباتی و مشاهداتی است. واسنجی دستی مدلبواسطه پیچیدگی و غیرخطی بودن روابط حاکم بر فرایند بارش-رواناب و همچنین تعدد پارامترهای تاثیرگذار و عدم قطعیت آن ها، امری مشکل، زمان بر و در برخی موارد غیرممکن می باشد. در این تحقیق با استفاده از شبکه عصبیمصنوعی پرسپترون چند لایه به واسنجی هوشمند مدل پیش بینی سیلاب در حوضه آبریز تمر از حوضه های استان گلستان پرداخته تا مقادیر بهینه پارامترهای مدل بدست آیند. نتایج نشان داد که در مرحله آموزش شبکه عصبی مصنوعی، روش نمونه گیری مکعب لاتین در مقایسه با روش تصادفی دارای عملکرد مناسب تر و کارایی بالاتری است. دراین راستا اعتمادپذیری جایگزینی شبکه عصبی مصنوعی بجای مدل پیش بینی سیلاب در مراحل واسنجی مولفه های مدل موفقیت آمیز بوده و نشان دهنده دقت و سرعت بالاتر این روش نسبت به واسنجی دستی مدل می باشد.

واسنجی هوشمند، مدل پیش بینی سیلاب، شبکه عصبی مصنوعی، حوضه آبریز تمر