توانایی شبکه عصبی مصنوعی در برآورد جریان رودخانه میناب استان هرمزگان

نویسندگان

1 استادیار گروه مهندسی آب مجتمع آموش عالی میناب، دانشگاه هرمزگان، بندرعباس، ایران

doi
چکیده

پیش‌بینی دقیق پارامترهای مؤثر در طرح های منابع آب، یکی از مهمترین مباحث تحقیقی مهندسان آب می‌باشد از جمله این پارامترها دبی رودخانه است. در این مقاله از شبکه عصبی به دو روش شبکه پرسپترون چند لایه (MLP) و با الگوریتم پس انتشار خطا و تابع پایه شعاعی (RBF) و با استفاده از نرم‌افزا ر متلب و 19 SPSS به منظور تخمین دبی در حوزه آبخیز میناب با استفاده از داده‌های هم‌زمان بارش روزانه و دبی‌آب روزانه ایستگاه‌های برنطین، گلاشگرد و فاریاب برای یک دوره 25 ساله استفاده شده است. در این تحقیق به منظور بررسی و تعیین بیش‌ترین تاثیر بارندگی هر یک از ایستگاه‌ها بر دبی آب رودخانه میناب، تاثیر 5 روز متوالی بارش بر دبی را به صورت هر روز جداگانه (p0 ، p-1،p-2، p-3، p-4، p-5) برای تک تک ایستگاه‌ها و به صورت مشترک، بارش روز اول و دوم الی روز پنجم برای ایستگاه‌هایی که دو به دو مشترک در نظر گرفته شده، انجام شده است. نتایج بدست آمده نشان داد که روش چند لایه پرسپترون (MLP) کمترین خطا (RMSE) و بالاترین همبستگی (R^2) بین بارش روزانه در هر سه ایستگاه با دبی اندازه گیری شده را نشان داد. همچنین بارش روز اول در ایستگاه‌های زوجی و بارش روز اول و پنجم در ایستگاه‌های منفرد بیشترین تاثیر را در تولید دبی خروجی حوضه دارد