پيش بيني جريان رودخانه با استفاده از مدل شبكه عصبي مصنوعي

شبكه هاي عصبي مصنوعي از جمله موارد هوش مصنوعي مي باشند كه قابليت انعطاف پذيري زيادي دارند و جهت ايجاد مدل نياز به فرايندهاي پيچيده فيزيكي ندارد. اين شبكه ها قادرند روابط بين وروديها و خروجيها را بخوبي مشخص نمايند. جهت انجام اين تحقيق مدلي از شبكه عصبي جهت پيش بيني رفتار رودخانه پلاسجان مورد ارزيابي قرار گرفت. اطلاعات يا لايه ورودي به مدل شبكه عصبي، اطلاعات مربوط به 5 ايستگاه باران سنجي و يك ايستگاه اندازه گيري درجه حرارت بود. خروجي مدل يا لايه خروجي، جريان عبوري از ايستگاه هيدرومتري اسكندري بود كه كليه جريانهاي بالادست از آن عبور مي كند. مدل پرسپترون چند لايه جهت بررسي انتخاب گرديد. ساختارهاي گوناگوني از مدل شبكه عصبي با تغيير در لايه هاي ورودي، تعداد گره ها در هر لايه لايه مخفي ميزان يادگيري و گشتاور و نوع تابع ايجاد گرديد. مناسبترين مدل، مدلي با ساختار 6،4،1 با 4 گره در لايه مخفي تعيين شد و مبناي آن تست انجام گرفت: نتايج بيانگر اين بود كه با افزايش تعداد لايه مخفي ميزان خطا افزايش مي يابد و كارايي اين نوع مدل دذر پيش بيني جريان نسبتا خوب بود. اين شبكه هاي عصبي قادرند رفتار رودخانه را نسبت به بارندگي بخوبي مشخص نمايند.