سال انتشار: ۱۳۹۰

محل انتشار: پنجمین کنفرانس سراسری آبخیزداری و مدیریت منابع آب و خاک کشور

تعداد صفحات: ۱۲

نویسنده(ها):

چکیده:

در دهه های اخیر مدل شبکه عصبی مصنوعی) ANN ( کاربرد گسترده ای در تحقیقات مختلف هیدرولوژی از جمله شبیه سازی فرآیند بارش رواناب پیدا کرده است. درپژوهش حاضر از مدل شبکه عصبی پرسپترون چند لایه) MLP با ساختار ۷-۱۰-۹ برای شبیه سازی هیدروگراف بارش رواناب استفاده شد. همچنین جهت بهبود آموزش و پایداری شبکه عصبی، اطلاعات به چهار گروه تقسیم و محاسبات برای هر گروه انجام گردید. محاسبات مربوط به شبکه عصبی توسط مدل شبکه عصبی Qnet2000 انجام شد. همچنین از مدل هیدرولوژیکی HMS – HEC جهت مقایسه و سنجش توانایی شبکه عصبی استفاده گردید. محدوده شاخص قدرمطلق درصد خطاینسبی) MAPE ( پارامترهای QP و TP شبیه سازی شده برای تمام هیدروگراف ها توسط شبکه عصبی به ترتیب ۰/۰۲-۵۱/۹۷ و ۴۱/۲۳-۰/۵۵ درصد در حالی که توسط مدل HMS – HEC این حدود به ترتیب ۷۵۶/۵۳ -۰/۵۸ و ۲۵۰-۰ درصد می باشند. به طور کلی در این تحقیق نتیجه گرفته شد که شبکه عصبی نسبت به مدل HMS – HEC نتایج موفقیت آمیزی در شبیه سازی شکل کلی هیدروگراف رواناب حاصل کرده است. البته مدل – HEC HMS به موازات مدل شبکه عصبی مصنوعی دبی اوج هیدروگراف را در بعضی موارد به خوبی شبیه سازی نموده است.