فهرست نشریات علمی دسترسی آزاد ایران

لزومِ پیشبینى بده رودخانه در کارهاى عمرانى، برنامهریزى براى استفادة بهینه از مخازن سدها، ساماندهىِ رودخانهو هشدار سیل، کاملاً احساس مىشود. در این راستا مسئلۀ بارش- رواناب بیشترین توجه مدلسازهای شبکههای عصبی2 برای پیشبینی بارش- MLP مصنوعی 1 را به خود معطوف کرده است. در این تحقیق از شبکههای عصبی چند لایهرواناب حوضه آبریز برفگیر لیقوانچای واقع در استان آذربایجان شرقی استفاده شده است. اطلاعات این حوضهشامل دادههای بارش، دما و رواناب روزانه میباشد. در مراحل مختلف تحقیق اثرات هر یک از این عوامل (در قالبترکیبات مختلف) در کارایی شبکه، مورد بررسی قرار گرفته است. همراهی سه عامل بارش در روز جاری و روزهایقبل، دما در روز جاری و روزهای قبل و رواناب در روزهای قبل در ماتریس ورودی بهترین نتایج را برای شبکهعصبی در پی داشته است. از آنجایی که حوضۀ آبریز لیقوان یک حوضۀ برفگیر میباشد، اثر دما در این حوضه وتبدیل برف به رواناب حائز اهمیت بوده و در ادامه مورد بررسی قرار گرفته و نرونی با نام نرون شرطی آستانۀ دمایی3 تعریف شده است. مقادیر این نرون بصورت باینری بوده و اعداد صفر و یک را به خود میگیرد. معیار این CTTتفکیک مقدار آستانۀ دمایی ذوب برف میباشد که برای حوضۀ لیقوان محاسبه شده است. در پایان نتایج مدل4 مقایسه شده است. نتایج نشان دهندة کارایی بهتر شبکۀ DSH شبکههای عصبی با مدل هیدروگراف ذوب برف بی بعدمیباشد. DSH عصبی نسبت به مدل ذوب برف