سال انتشار: ۱۳۸۶

محل انتشار: نهمین سمینار سراسری آبیاری و کاهش تبخیر

تعداد صفحات: ۱۰

نویسنده(ها):

زهرا درواری – دانشجوی کارشناسی ارشد آبخیزداری دانشگاه
کریم سلیمانی – دانشیار مرکز RS , GIS دانشگاه مازندران

چکیده:

تخمین صحیح دبی رودخانه از جمله پارامترهای مهم د رعلم مهندسی رودخانه و رشته های وابسته به آن از جمله هیدرولیک و هیدرولوژی می باشد،چرا کهدر مطالعات پایه مربوط به مدیریت منابع آب، زیست محیطی، ذخیره آب و کنترل سیلاب، ابدهی رودخانه نقش مهمی را دارا می باشد. استفاده از شبیه سازی مدل های ریاضی، مدل های فیزیکی، توزیع های آماری و برنامه های کامپیوتریاز مواردی است که برای پیش بینی استفاده می شود. اما در مسائل مربوط به منابع طبیعی انتخاب مدل هایی که تا حد امکا ن به واقعیت موجود در حوضه نزدیک باشد بسیار مشکل است. از طرفی در بعضی از رودخانه ها به علت عدم وجود ایستگاه های هیدرومتری و عدم برداشت اطلاعات آبدهی و یا کوتاه بودندوره زمانی آماربرداری اطلاعات مورد نیاز به اندازه کافی در دسترس نمی باشد. این امر باعث مشکلاتی در انجام مطالعات می شود. درسالهای اخیر از شبکه های عصبی مصنوعی (ANN) به طرز قابل توجهی در شبیه سازی فرایندهای مختلف استفاده شده است، شبکه عصبی مصنوعی توانایی تعریف روابطپیچیده غیر خطی بین ورودی وخروجی بدون تلاش در جهت درک طبیعت پدیده را دارا هستند، این شبکه ها پردازش کننده های موازی می باشند که داده های ورودی را در حین یادگیری ، ذخیره و به ساختار شبکه منتقل می سازند. در این مطالعه از نرم افزار MATLAB برای پیش بینی جریان خروجی حوضه کسیلیان، داده های هیدرومتری و هواشناسی (باران، دما، دبی) در مقیاس زمانی ماهانه وبطور آماری ۳۱ سال (۱۳۸۰-۱۳۴۹) استفاده شده است. اطلاعات ۲۷ سال برای توسعه مدل ها و ۴ سال باقیمانده برای آزمودن انها بکار رفته است. شبکه موردی استفاده از نوع MLP (پرسپترون چند لایه) با الگوریتم پس انتشار خطا (BP) می باشد.نتایج اجرای مدل بیانگر دقت بالای شبکه عصبی در پیش بینی جریان رودخانه است.