مقایسه دو روش شبکه عصبی مصنوعی و سری زمانی در پیش بینی میزان جریان رودخانه

چکیده مقاله

برنامه ریزی، توسعه، مدیریت و بهره برداری بهینه از سیستم های منابع آب، ضرورت دسترسی به اطلاعات متنوعی را در زمینه های هواشناسی، هیدرولوژی ، اقتصادی، اجتماعی و … تداعی می نماید مدلهای ریاضی موجود به داده های فراوانی در زمینه های متعدد نیاز دارند در سالهای اخیر، از شبکه های عصبی مصنوعی به دلیل توانمندی آنها در حل مسائل پیچیده و غیر خطی، به طرز قابل توجهی در شبیه سازی فرآیندهای مختلف استفاده شده است در این تحقیق با استفاده از شبکه عصبی پرسپترون سه لایه با تابع تاتژانت سیگموئید tansig در لایه مخفی و تابع خطی purelin در لایه خروجی و متد آموزش لونبرگ – مارکوات LM و با استفاده از اطلاعات ایستگاه های آبسنجی موجود درحوزه، مدلی برای پیش بینی جریان روزانه و ساعتی در خروجی حوزه کر – چمریز ، ایجاد و نتایج آن با روش خطی سری زمانی اتورگرسیو و رگرسیون چندگانه مقایسه شده است در تمام الگوهای به کار رفته در مقیاس زمانی روزانه عملکرد شبکه عصبی بهتر ازروشهای اتورگرسیو و رگرسیون چندگانه بوده است ولی در مقیاس زمانی ساعتی نتایج بر عکس بوده است

کلیدواژه‌ها

نویسندگان

محبوبه کفیل

کارشناسی ارشد سازه های آبی دانشگاه مازندران

میرخالق ضیاء تبار احمدی

استاد گروه آبیاری دانشگاه مازندران

کفیل، محبوبه و ضیاء تبار احمدی، میرخالق،1385،مقایسه دو روش شبکه عصبی مصنوعی و سری زمانی در پیش بینی میزان جریان رودخانه،دومین کنفرانس مدیریت منابع آب،اصفهان

ارائه‌شده در

مجموعه مقالات دومین کنفرانس مدیریت منابع آب3 بهمن 1385 · اصفهان