سال انتشار: ۱۳۸۶

محل انتشار: ششمین کنفرانس هیدرولیک ایران

تعداد صفحات: ۹

نویسنده(ها):

مهسا حسنپور کاشانی – کارشناسی ارشد سازه های آبی، دانشگاه ارومیه
مجید منتصری – استادیار گروه آب، دانشکده کشاورزی دانشگاه ارومیه
محمدعلی لطف الهی یقین – استادیار گروه آب، دانشکده عمران، دانشگاه تبریز

چکیده:

شبکه های عصبی مصنوعی (ANNs) در زمینه مدلسازیهای هیدرولوژیکی بطور وسیع مورد استفاده قرار گرفته اند. با وجود این، توجه کمتری به استفاده از این آبزار جهت برآورد سیل در حوضه های فاقد آمار که یکی از پیچیده ترین مسائل هیدرولوژیستها است شده است. در این مقاله، توانایی دو نوع شبکه عصبی پیشخور و پسخور، شبکه MLP و شبکه Elman، در پیش بینی سیل با دوره های بازگشت مختلف حوضه غرب دریاچه ارومیه با استفاده از نرم افزار MATLAB7.0.4 بررسی و نتایج با نوع جدید مدل رگرسیون غیرخطی چندگانه مقایسه شده اند. بدین منظور، آبتدا شبکه های عصبی با استفاده از داده های فیزیوگرافی و اقلیمی منتخب مدل رگرسیون غیرخطی آموزش دیده و سپس بهترین ساختار شبکه، جهت برآورد سیلآبهای با دوره بازگشت مختلف حوضه های مشآبه فاقد آمار براساس ضریب همبستگی بین دبی های مشاهداتی و محاسباتی انتخآب شده است برای نخستین بار در این تحقیق بمنظور آموزش بهتر هر دو مدل رگرسیون و شبکه های عصبی از متغیر زمان بازگشت نیز بعنوان متغیر ورودی مدل استفاده گردیده است نتایج بدست آمده توانایی ANN را در پیش بینی سیل با دوره های بازگشت مختلف و نیز تاثیر انتخآب نوع شبکه را در دقت پیش بینی ثآبت نموده است.