سال انتشار: ۱۳۸۵

محل انتشار: دومین کنفرانس مدیریت منابع آب

تعداد صفحات: ۸

نویسنده(ها):

شهاب عراقی نژاد – دانشکده مهندسی آب و خاک، پردیس کشاورزی و منابع طبیعی، دانشگاه تهران

چکیده:

پیش بینی متغیرهای هیدرولوژیکی یکی از مهم ترین چالش ها در برنامه ریزی و مدیریت منابع آب است. استفاده از پیش بینی های احتمالاتی به ویژه در افق های زمانی بلند مدت، نسبت به پیش بینی های قطعی از اولویت بیشتری برخوردار بوده و با واقعیت ها انطباق بیشتری دارد. شبکه های عصبی مصنوعی ابزار مناسبی برای پیش بینی سیستم های غیر خطی نظیر پیش بینی های هیدرولوژیکی می باشند. هرچند ضعف بزرگ اغلب این نوع شبکه ها، ارائه تخمین های قطعی وغیر احتمالاتی است. در این مقاله برای غلبه بر این ضعف شبکه های عصبی متداول و به عنوان یک راه حل مناسب ، یک شبکه عصبی آماری تدوین و ارائه میشود. این شبکه ترکیبی از شبکه های عصبی آماری و شبکهعصبی پرسپترون چند لایه می باشد که ازمزیت هر دوی این شبکه ها برای انجام پیش بینی های احتمالاتی به ویژه در شرایط غیر همگن بهره می برد. عملکرد شبکهعصبی ترکیبی ارائه شده، شبکهعصبی RBF و مدل آماری K-NN در قالب پیش بینی حجم رواناب فصلی ورودی به سد زاینده رود مقایسه می گردد. نتایج، نشان دهنده برتری شبکه عصبی ترکیبی ارائه شده در ارائه پیش بینی های بلند مدت بر اساس دو معیار دقت و اطمینان پذیری پیش بینی می باشد.