پیش بینی دبی اوج سیلابی با استفاده از مدل شبکه عصبی

تحقیق حاضر به مقایسه دو مدل شبکه عصبی مصنوعی و رگرسیون چند متغیره در تخمین دبی حداکثرخروجی با استفاده از داده های بارش و دبی روزانه پرداخته است. در این راستا حوضه آبخیز مادرسو با مساحت 2364.96 کیلومتر مربع در استان گلستان به دلیل شدت سیل خیزی زیاد انتخاب گردید.
برای ارزیابی مدل شبکه عصبی مصنوعی در پیش بینی سیلاب و دبی حداکثر سیلابی از نرم افزار QNET2000 استفاده گردید در تحقیق حاضر از شبکه عصبی مصنوعی MLP سه لایه با الگوریتم آموزش پس انتشار خطا استفاده شد. تعداد گره های ورودی مدل (لایه اول شبکه)انتخاب شد(5گره) و تعداد گره های موجود در لایه مخفی به کمک سعی و خطا تعیین شد. در این مطالعه، برای هر یک از الگوهای ورودی، تعداد مختلفی گره در لایه مخفی (4 تا 7) و یک گره برای لایه خروجی در نظر گرفته شد. داده های مورد استفاده در رگرسیون چند متغیره نیز داده های روش شبکه عصبی مصنوعی بوده است. بررسی نتایج نشان می دهد که مدل شبکه عصبی مصنوعی در مرحله آموزش به تعداد لایه میانه حساس نبوده ولی در مرحله کالیبراسیون، مدل با تعداد لایه میانی 5 عملکرد نسبی بهتری را نشان داده است و در مجموع در مقایسه با روش رگرسیون چند متغیره بسیار بهتر عمل نموده است