چکیده مقاله
با توجه به رابطه غیر خطی بین رواناب و بارندگی و سایر پارامترهای هواشناسی، مدل های نوین شبکه های عصبی مصنوعی ANNS با قابلیت تحلیل پدیده های غیر خطی با سرعت پاسخگویی بالا ودرصد خطای پایین بعنوان یک مکانیزم قابل اعتماد می تواند راه گشای طراحی مدل های پیش بینی باشد در این پژوهش از آمار هیدرومتری و هواشناسی بارش، دبی وتبخیر 23 سال آبی در مقیاس زمانی ماهانه بر روی رودخانه گاماسیاب و همچنین از نرم افزار MATLAB ویرایش 7 8 در شاخه Neural Network جهت مدلسازی بهره گرفته شده است الگوهای متفاوتی از داده ها بعنوان پارامترهای ورودی شبکه های پس انتشار پیشخور FFBP وشعاع مبنا RB مورد بررسی قرار گرفته اند مقایسه نتایج حاصله بیانگر قابلیت بسیار بالای شبکه شعاع مبنا در تمامی الگوها در پیش بینی جریان است ومدل پس انتشار پیشخور در الگوهایی که از پارامترهای ورودی دبی و بارش ایستگاه های بالادست و تبخیر در نقطه خروجی استفاده گردیده است نتایج قابل قبولی در پی داشته است
کلیدواژهها
نویسندگان
احسان یارمحمدی
دانشجوی دکتری منابع آب دانشگاه آزاد اسلامی واحدکرمانشاه وکارشناس ارشد منابع آب شرکت سهامی آب منطقه ای ایلام
زهرا کریمی
دانشجوی دکتری رسوب شناسی دانشگاه آزاد اسلامی واحدتهران شمال و کارشناس شرکت سهامی آب منطقه ای فارس
شیوه ارجاع
یارمحمدی، احسان و کریمی، زهرا،1397،بررسی شبکه های عصبی مصنوعی پس انتشار پیش خور و شعاع مبنا در پیش بینی جریان در رودخانه ها،یازدهمین سمینار بین المللی مهندسی رودخانه،اهواز
ارائهشده در
مجموعه مقالات یازدهمین سمینار بین المللی مهندسی رودخانه9 بهمن 1397 · اهواز