ارزیابی کارایی مدل های شبکه عصبی مصنوعی در تخمین هوشمند هیدروگراف سیل در رودخانه جعفرآباد گرگان

در دهه اخیر شبکه های عصبی مصنوعی به شکل ابزار قدرتمندی در حل بسیاری از مسایل فنی و مهندسی از جمله، مهندسی آب مطرح شده اند. در این پژوهش توانایی مدل های شبکه عصبی مصنوعی جهت شبیه سازی هیدروگراف سیل در حوضه رودخانه جعفرآباد مورد بررسی قرار گرفته است. هدف اصلی این پژوهش ارزیابی کاربرد مدل شبکه عصبی مصنوعی پرسپترون چندلایه جهت تخمین هوشمند هیدروگراف سیل در پایین دست ایستگاه هیدرومتری با استفاده از دبی سیل در 2، 3، 4 و 5 ساعت قبل به عنوان ورودی مدل می باشد. به این منظور تعداد 18 هیدروگراف سیل ثبت شده در محل ایستگاه انتخاب شد. از این تعداد 12 هیدروگراف سیل برای آموزش شبکه عصبی، 4 هیدروگراف برای صحت سنجی مدل و 2 هیدروگراف برای آزمون مدل شبکه عصبی انتخاب، و سپس شبکه به ازای الگوهای مختلف طراحی شده، آموزش داده شد و براساس معیارهای آماری بهترین الگو انتخاب گردید. نتایج نشان می دهد که با افزایش زمان تاخیر دقت شبیه سازی کم تر می شود. همچنین به ازای یک زمان تاخیر معین، با افزایش تعداد ورودی ها (دبی در ساعت های قبل)، نیز دقت نتایج افزایش می یابد. همچنین بررسی شکل هیدروگراف های شبیه سازی شده بیانگر توانایی مدل در شبیه سازی دبی پیک، زمان تا اوج، شیب شاخه صعودی و حجم سیل است. میزان ضریب کارایی به عنوان شاخص ارزیابی مدل برای شبیه سازی سیل برابر 92/0 و 93/0 می باشد. لازم به ذکر است که نوع تابع انتقال و الگوریتم آموزش مدل، پارامترهایی هستند که تاثیر عمده ای بر خروجی مدل دارند.