فهرست نشریات علمی دسترسی آزاد ایران

لزومِ پیشبینى بده رودخانه در کارهاى عمرانى، برنامهریزى براى استفادة بهینه از مخازن سدها، ساماندهىِ رودخانه و هشدار سیل، کاملاً احساس مىشود. در این راستا مسئلۀ بارش- رواناب بیشترین توجه مدلسازهای شبکههای عصبی 2 برای پیشبینی بارش- MLP مصنوعی 1 را به خود معطوف کرده است. در این تحقیق از شبکههای عصبی چند لایه رواناب حوضه آبریز برفگیر لیقوانچای واقع در استان آذربایجان شرقی استفاده شده است. اطلاعات این حوضه شامل دادههای بارش، دما و رواناب روزانه میباشد. در مراحل مختلف تحقیق اثرات هر یک از این عوامل (در قالب ترکیبات مختلف) در کارایی شبکه، مورد بررسی قرار گرفته است. همراهی سه عامل بارش در روز جاری و روزهای قبل، دما در روز جاری و روزهای قبل و رواناب در روزهای قبل در ماتریس ورودی بهترین نتایج را برای شبکه عصبی در پی داشته است. از آنجایی که حوضۀ آبریز لیقوان یک حوضۀ برفگیر میباشد، اثر دما در این حوضه و تبدیل برف به رواناب حائز اهمیت بوده و در ادامه مورد بررسی قرار گرفته و نرونی با نام نرون شرطی آستانۀ دمایی 3 تعریف شده است. مقادیر این نرون بصورت باینری بوده و اعداد صفر و یک را به خود میگیرد. معیار این CTT تفکیک مقدار آستانۀ دمایی ذوب برف میباشد که برای حوضۀ لیقوان محاسبه شده است. در پایان نتایج مدل 4 مقایسه شده است. نتایج نشان دهندة کارایی بهتر شبکۀ DSH شبکههای عصبی با مدل هیدروگراف ذوب برف بی بعد میباشد. DSH عصبی نسبت به مدل ذوب برف