مقایسه مدل سازی دبی خروجی از سد پاره سنگی با شبکه عصبی مصنوعی و روش عددی

سیلاب یکی از مهمترین بلایای طبیعی است که حیات و سرمایه بشری را تهدید می نماید. سد های پاره سنگی یکی از روش های ارزان قیمت جهت کنترل سیلاب محسوب میگردند. استفاده از این سدها سبب می شود که هیدروگراف سیل خروجی از آن، دارای دبی اوج کمتر و زمان پایه بزرگتری نسبت به هیدروگراف ورودی گردد. شبکه عصبی مصنوعی از جمله روش هایی است که می تواند با دقت مناسبی فرآیندهای پیچیده و غیرخطی را برآورد نماید. اما دقت پیشبینی آن به نوع الگوریتم یادگیری و تابع آستانه مورد استفاده بستگی دارد. در این تحقیق به منظور برآورد دبی خروجی از سدهای پاره سنگی و بر مبنای بکارگیری داده های آزمایشگاهی، مدل شبکه عصبی پرسپترون چندلایه با الگوریتم های یادگیری مختلف و تابعهای آستانه مورد ارزیابی قرار گرفت. سپس، دبی برآورد شده با روش شبکه عصبی مصنوعی با مقادیر حاصله از مدل عددی دو بعدی مقایسه گردید. نتایج نشان داد که مدل پرسپترون چندلایه با الگوریتم یادگیری دلتا بار دلتا و تابع آستانه تانژانت هایپربولیک با مقدار میانگین مربع خطا برابر با 00011/0، مقدار دبی خروجی از سد پاره سنگی را با دقت بالایی پیش بینی می نماید. همچنین شبکه عصبی مصنوعی با مقدار ضریب تعیین (962/0 =2R) همانند مدل عددی (984/0 =2R) ازعملکرد مطلوبی برخوردار بود. بنابراین میتوان برای تخمین دبی خروجی از سد های پارهسنگی، با بکارگیری شبکه عصبی مصنوعی بجای روش های عددی به مشکل پیچیدگی و زمان بر بودن روش های عددی فائق آمد.