تخمین دبی متوسط ماهانه با استفاده از شبکه های عصبی مصنوعی مطالعه موردی: آبخیز قشلاق سنندج

پیش بینی دقیق مقدار دبی متوسط ماهانه ورودی به منابع آبی نظیر سدها، نقشی اساسی در برنامه ریزی، مدیریت و بهره برداری بهینه و پایدار آنها ایفا می کند. با مشخص شدن مقدار دبی ورودی به سد، می توان حجم سالانه آب ورودی به آن را محاسبه کرد و برای تخصیص بهینه آب به بخش های مختلف مصرف نظیر آب آشامیدنی، کشاورزی، تولید انرژی برق- آبی و... به خوبی برنامه ریزی کرد. پارامترهای مختلفی بر میزان دبی ورودی به سد تاثیرگذار هستند. این پارامترها کاملا شناخته شده نبوده، ارتباط آنها با دبی ورودی پیچیده و غیرخطی است. بنابراین ارائه رابطه تحلیلی و ریاضی از این ارتباط، مشکل و غیرعملی است. شبکه های عصبی مصنوعی به علت خصوصیات منحصربه فرد خود دارای قابلیت بالایی در شبیه سازی روابط غیرخطی و پیچیده می باشند. در این تحقیق سعی شده است با تبیین ویژگی های شبکه عصبی مصنوعی، شبکه از نوع پرسپترون چند لایه با قانون یادگیری پس انتشار خطا برای بازیابی ارتباط غیرخطی مابین متغیرهای مستقل و وابسته طراحی گردد تا به کمک آن تخمین هوشمند دبی متوسط ماهانه ورودی به سد قشلاق میسر گردد. با مقایسه نتایج حاصل از مدل شبکه عصبی و روش تجربی خوسلا، عملکرد مدل پیشنهادی ارزیابی و سنجیده شد. نتایج حاصل از تحقیق نشان داد که انطباق قابل قبولی مابین مقادیر پیش بینی شده با شبکه عصبی مصنوعی و داده های مشاهداتی وجود دارد. نتایج همچنین نشان داد که مدل شبکه عصبی پیشنهادی و روش خوسلا به ترتیب با حداقل خطای میانگین مربعات خطا (RMSE)49/1 و 88/11، مقدار دبی متوسط ماهانه را پیش بینی می نماید.