مدل سازی بارش دشت تبریز با استفاده از شبکه های عصبی مصنوعی

گسترش سریع استفاده از شبکه های عصبی مصنوعی [Artificial Neural Networks (ANNs)]به عنوان مدل تجربی و کارآمد در علوم مختلف از جمله هیدرولوژی نشان دهنده ضرورت و ارزش بالای مطالعه این مدل هاست. مهمترین کاربردهای این مدل ها در هیدرولوژی شامل پیش بینی، بهینه سازی، دسته بندی داده ها، محاسبه پارامترهای هیدرولوژی، ارائه مدل های کیفی و غیره می باشد. در این مقاله از شبکه های عصبی مصنوعی و فرمول تجربی ارائه شده برای تعیین تعداد گره های میانی جهت تهیه مدل پیش بینی بارش دشت تبریز استفاده گردیده است. در این مدل سازی از 6 ساختار مختلف شبکه های عصبی مصنوعی استفاده شده است. بر اساس نتایج به دست آمده در مراحل مختلف آن بهترین مدل از یک شبکه پیشرو با شش گره ورودی، یک گره خروجی، یک لایه میانی و الگوریتم (LM) Levenberg-Marquard تشکیل شده است که برای نشان دادن تاثیر تعداد گره های میانی، تنوع نمونه های آموزشی و چگونگی بدست آوردن کمترین خطای مدل مورد استفاده قرار گرفته است.