برومند صلاحی - دانشگاه محقق اردبیلی استادیار اقلیم شناسی
طاهره سرمستی - دانشگاه محقق اردبیلی دانشجوی کارشناسی ارشد اقلیم شناسی
حسین شایقی - دانشگاه محقق اردبیلی دانشیار مهندسی برق

پیش بینی رواناب یکی ازمهمترین ضروریات دربرنامه ریزی و مدیریت بهینه منابع آب محسوب میشود دردهه های اخیر یکی ازروشهای نویندرتشریح فرایند بارندگی - رواناب مدل شبکه های عصبی مصنوعی می باشد این روش به دلیل ساختارریاضی غیرخطی قادر به حل بسیاری ازمسائل ازجمله دراقلیم شناسی م یباشد درااین پژوهش به منظور ارایه مناسب ترین ضابطه برای پیش بینی رواناب د ربخش علیای حوضه آبریز قره سو ازمدلهای شبکه عصبی رگرسیون خطی و غیرخطی و مقایسه آنها استفاده شده است بدین منظور ازمتغیرهای متوسط بارش ماهانه یک ماه قبل میلی مترو متوسط دبی ماهانه یک ماه بعدازبارش میلیون مترمکعب درطول دوره اماری 33 ساله 2004-1972 جهت پیش بینی رواناب ژانویه سال 2005 تادسامبر 2008 ومقایسه آن باداده های واقعی استفاده گردید نتایج حاصله نشان دادند که انطباق خوبی مابین مقادیر پیش بینی شده با شبکه های عصبی ترکیبی وداده های مشاهداتی وجود دارد همچنین نتایج نشان دادندکه میانگین خطای به دست آمده ازشبکه های عصبی مصنوعی رگرسیون خطی و رگرسیون غیرخطی به ترتیب برابر 0/88 و2/24و8/89 می باشد که این مسئله بیانگر دقت بالاتر روش شبکه های عصبی مصنوعی درپیش بینی رواناب نسبت به روشهای رگرسیونی خطی و غیرخطی است

بخش علیای حوضه آبریزقره سو ، پیش بینی ، رواناب ، شبکه های عصبی مصنوعی ، رگرسیون خطی ، رگرسیون غیرخطی