رويكرد ANN-GA در مدلسازي فرآيند بارش- رواناب با استفاده از دو تابع هدف مختلف در طول دوره هاي متفاوت (مطالعه موردي: حوضه رودخانه فهليان در استان فارس)

امروزه شبكه هاي عصبي مصنوعي به علت سادگي، عدم نياز به تخصص هيدرولوژيك و دقت بالا در شبيه سازي وپيش بيني جريان آبراهه ها بسيار مورد توجه قرار گرفته اند. در اين رابطه يكي از راهكارهايي كه براي حذف روشزمان بر سعي و خطا در يافتن ساختار مناسب شبكه عصبي ارائه مي شود استفاده از الگوريتم ژنتيك مي باشد كه بهصورت خودكار پارامترهاي هيدرولوژيك و هواشناسي و همچنين تعداد نرون هاي لايه هاي پنهان را بهينه مي كند.يكي از مشكلاتي كه در تلفيق شبكه عصبي با الگوريتم ژنتيك مطرح مي شود، ايجاد پديده بيش برازش مي باشدكه منجر به عكس العمل نامناسب شبكه در برابر داده هاي جديد مي گردد. هدف از اين مطالعه بهره گيري از مزاياي ANN-GA در شبيه سازي و پيش بيني آبدهي رودخانه با حذف پديده بيش برازش مي باشد. بدين منظور در مسئله بهينه سازي مربوط به اين رويكرد تركيبي، از دو تابع هدف حداقل سازي ميانگين مربعات خطا و حداقلسازي شاخص اطلاعاتي آكايك استفاده شد و عملكرد آن در نمونه هاي با طول هاي متفاوت بررسي گرديد. نتايج نشان داد كه شبيه سازي و پيش بيني در رويكرد ANN-GA با تابع هدف حداقل سازي ميانگين مربعات خطا، حتي با استفاده از روش توقف زودرس در برخي از طول دوره ها همراه با بيش برازش است. اين در حالي است كه بابكارگيري تابع هدف حداقل سازي شاخص اطلاعاتي آكايك بيش برازش به وقوع نمي پيوندد.