کاربرد شبکه های عصبی مصنوعی در شبیه سازی بارش ماهانه ایستگاه خلخال

محمد رضا نیک پور¹

1) دانشیار گروه مهندسی آب، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی

کد IOI مقاله : AZAA-AZDHED
محل انتشار : اولین کنگره بین‌المللی احیاء بوم‌شناختی بر پایه طبیعت (با تأکید بر صیانت از شتر دوکوهانه)(neruma.ir)
چکیده :
    پيش¬بيني دقيق بارش ماهانه نه تنها در مديريت منابع آب نقش به¬سزایی ايفا مي¬کند، بلکه مي¬تواند دقت سامانه¬های هشدار سيل را به-طور چشم¬¬گیری بهبود دهد. در دهه¬های اخیر ارتقاء توان پردازشگرها و توسعه مدل¬های هوشمند موجب گردیده تا عرصه¬های جدیدی در زمینه بهبود روش¬های شبیه¬سازی متغیرهای هیدرولوژیکی پیش روی پژوهشگران قرار گیرد. در تحقیق حاضر به منظور شبیه¬سازی بارش ماهانه ایستگاه سینوپتیک خلخال از مدل شبکه¬های عصبی مصنوعی (ANN) استفاده شد. داده¬های مورد استفاده در مطالعه حاضر، مقادیر بارش ماهانه به¬ازای دوره آماری 1395-1375 بود. برای شبیه¬سازی کوتاه مدت بارش ماهانه (یک ماه بعد) پنج الگوی مختلف بر اساس تأخیرهای بارش تعریف شد. لازم به ذکر است که حداکثر تعداد تأخیرهای مورد استفاده در الگوها، بر بر اساس مقادیر توابع خود همبستگی (ACF) برابر 11 ماه بود. برای ارزیابی نتایج مدل از شاخص¬های ضریب تعیین (R2) وکمترین ریشه میانگین مربعات خطا (RMSE) استفاده شد. نتایج پژوهش حاکی از عمکرد نسبتاً ضعیف مدل ANN در تمام سناریوها بود. به¬طوری¬که مقادیر R2 و RMSE برای بهترین سناریو در مرحله صحت¬سنجی به¬ترتیب برابر 34/0 و 99/16 میلی¬متر به¬دست آمد. شایان ذکر است که بهترین عملکرد مدل مربوط به الگوی آخر (11 ماه تآخیر زمانی) بود. برای بهبود نتایج پژوهش حاضر پیشنهاد می¬شود از تبدیل موجک برای پیش-پردازش داده¬ها استفاده شود.

کلمات کلیدی : ایستگاه خلخال بارش ماهانه مدل ann تبدیل موجک