بهمنظور پیشبینی جریان رودخانه در حوزههای آبخیز طی سالیان متمادی، روشهای مختلفی ابداع شده که کارایی آنها نیز به اثبات رسیده است. یکی از این مدلهای شیبهسازی، شبکههای عصبی مصنوعی است که میتوانند با دقتی درخور توجه، واقعیات موجود را به تصویر بکشند. در این تحقیق، بهمنظور شبیهسازی دبی، به بررسی و تأثیر پارامترهای هواشناسی بر روی جریان رودخانۀ قرهآغاج پرداخته شد. برای این منظور از آمار دبی، بارش و دمای ماهانه ایستگاههای موجود حوزه با طول دورۀ آماری 23 سال (1360ـ1383) استفاده شد. دادههای موجود پس از نرمالسازی، به دو دسته آموزش و تست تقسیم و به 5 صورت متفاوت و 9 مدل با استفاده از شبکۀ عصبی پرسپترون چند لایه با قانون پس انتشار خطا و توابع یادگیریLM و Gdx مورد آزمون قرار گرفتند. بهترین آرایش شبکه با استفاده از تابع یادگیری LM بهصورت 1-21-9 با مقادیر ضریب همبستگی 1 و 1 و برای تابع یادگیری Gdx نیز بهصورت 1-13-7 با مقادیر ضریب همبستگی 94/0 و 96/0 بهترتیب برای دادههای آموزش و تست حاصل شد. نتایج حاصل بیانگر تأثیر پارامترهای هواشناسی مانند دما و بارش بر روی جریان خروجی حوزه و اختلاف بسیار ناچیز بین دادههای شبیهسازیشده با مقادیر مشاهداتی است. همچنین شبکۀ عصبی در شبیهسازی جریان رودخانه با تابع یادگیری LM کارایی بهتری را نشان داد.
بازنشر اطلاعات | |
![]() |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |