مقایسه دو روش الگوریتم ژنتیک و پیشرو درشبکه عصبی مصنوعی برای محاسبه دبی رودخانه

چکیده مقاله

باتوجه به اهمیت و محدودیت منابع آب و یکی ازابزارهای مهم و اساسی در مدیریت منابع آب پیش بینی تولید و تقاضای آب است از این رو هدف از مطالعه حاضر، تعیین میزان دقت روش شبکه های عصبی مصنوعی برای تخمین آبدهی رودخانه با استفاده از داده های هیدرولوژی می باشد به منظور انجام این تحقیق ابتدا با شناسایی محدوده حوضه رودخانه و ایستگاه های هواشناسی، امار هیدرومتری حوضه دریافت گردید سپس با فرض انتخاب مناسب ترین ایستگاه های هواشناسی و همچنین ایستگاه هیدرومتری خروجی حوضه اقدام به تکمیل و بازسازی آمار ایستگاه ها با استفاده از روابط همبستگی گردید پس از آن با استفاده از نرم افزار متلب و استفاده از گزینه ی شبکه های عصبی اقدام به شبیه سازی بارش روانآب به صورت ماهانه و سالانه گردید نتایج نشان داد که آبدهی های بالاتر از 100 متر مکعب بر ثانیه که توسط شبکه عصبی مصنوعی الگوریتم ژنتیک ANN GA پی بینی شده اند، به طور متوسط خطای برآورد کمتری نسبت به تخمین این آبدهی ها بیا بکارگیری شبکه عصبی پیشرو FFNN دارند

کلیدواژه‌ها

نویسندگان

ستار صیادی

دانشجوی دکتری، مهندسی و مدیریت منابع آب، دانشگاه آزاد اسلامی اراک، اراک

ناصر پیوسته کناری

دانشجوی دکتری، مهندسی و مدیریت منابع آب، دانشگاه آزاد اسلامی اراک، اراک

�یادی، ستار و پیوسته کناری، ناصر،1397،مقایسه دو روش الگوریتم ژنتیک و پیشرو درشبکه عصبی مصنوعی برای محاسبه دبی رودخانه،هفتمین کنفرانس ملی مدیریت منابع آب ایران،یزد

ارائه‌شده در

مجموعه مقالات هفتمین کنفرانس ملی مدیریت منابع آب ایران5 اردیبهشت 1397 · یزد