مقايسه عملكرد شبكه هاي عصبي MLP و ELMAN با نوع جديد مدل رگرسيون در پيش بيني سيل حوضه هاي فاقد امار

شبكه هاي عصبي مصنوعي (ANNs) در زمينه مدلسازي هاي هيدرولوژيكي بطور وسيع مورد استفاده قرار گرفته اند. با وجود اين، توجه كمتري به استفاده از اين ابزار جهت برآورد سيل در حوضه هاي فاقد امار كه يكي از پيچيده ترين مسائل هيدرولوژيستها است، شده است. در اين مقاله يك مدل رگرسيون جديد جهت پيش بيني سيل با دوره هاي بازگشت مختلف حوضه جنوب درياچه اروميه پيشنهاد ميشود، سپس با شبكه هاي عصبي پيشخور و پسخور، شبكه MLP وشبكه Elman تركيب مي گردد. بدين منظور ابتدا شبكه ها عصبي با استفاده از داده هاي فيزيوگرافي و اقليمي منتخب مدل رگرسيون غير خطي در محيط نرم افزار MATLAB 7.0.4 آموزش ديده و سپس بهترين ساختار شبكه، جهت برآورد سيلابهاي با دوره بازگشت مختلف حوضه هاي مشابه فاقد امار بر اساس ضريب همبستگي بين دبي هاي مشاهداتي و محاسباتي انتخاب شده است. براي نخستين بار در اين تحقيق، به منظور آموزش بهتر هر دو مدل رگرسيون و شبكه هاي عصبي از متغير زمان بازگشت نيز بعنوان متغير ورودي مدل استفاده گرديده است. نتايج بدست آمده توانايي مدل تلفيقي و ANN را در پيش بيني سيل با دوره هاي بازگشت مختلف با كمترين داده ها و نيز تاثير انتخاب نوع شبكه را در دقت پيش بيني ثابت نموده است.