سال انتشار: ۱۳۸۴

محل انتشار: پنجمین کنفرانس هیدرولیک ایران

تعداد صفحات: ۱۰

نویسنده(ها):

ع جهانگیر – دانشجوی کارشناسی ارشد دانشکده کشاورزی دانشگاه مازندران
م رائینی – استادیار دانشکده کشاورزی دانشگاه مازندران
م.ض احمدی – استاد دانشکده کشاورزی دانشگاه مازندران
ا اکبرپور – مربی دانشکده کشاورزی دانشگاه بیرجند

چکیده:

فرآیند بارش-رواناب یک پدیده فیزیکی است که بررسی آن به سبب تاصیرپذیری از پارامترهای مختلف، دشوار می باشد.هدف این پژوهش بررسی کارآمدی شبکه عصبی مصنوعی (ANN) در شبیه سازی اینن فرآیند بود. به این منظور حوضه کارده(واقع در شمال شرقی خراسان) برگزیده شد و هیتوگراف های چندین پیشامد بازندگی و آبنمودهای رواناب آنها مبنای کار قرار گرفت. سپش شبکه عصبی مصنوعی از نوع پس انتشار با تابع فعالیت سیگموئید آموزش داده شد. معیار گزینش پارامترهایی آموش شبکه، تولید کمترین مقدار (RMSE) بود. نتایج نشان داد که با قانون آموزش دلتا شبکه پرسپترون چند لایه دارای یک لایه پنهان، فرآیند بارش-رواناب را با دقت خوبی شبیه سازی نمود.(p <0/0001 ). ضریبهمبستگی کل داده های دبی و حجم رواناب واقعی و شبیه سازی شده، ۰/۹۶۹ بدست آمد. همچنین ANN مقدار و زمان دبی های اوج را به خوبی برآورد کرد( ضریب همبستگی به ترتیب ۰/۹۷۸۲ و ۰/۹۰۵۲ بود) در مورد آبنمودهای دارای زمان اوج کمتر نسبت به دیگر آبنمودها، پیش بینی شبکه با تاخیر ۱ تا ۲ ساعت انجام گرفت با برگزیدن اندازه بزرگتر چرخه آموزش سرعت آموزش شبکه کندتر شداما دقت آن بهبود یافت.