TY - JOUR ID - 65372 TI - تأثیر ساختارها و ورودی‌های مختلف شبکه‌های عصبی مصنوعی در تخمین دبی روزانۀ حوزۀ آبخیز معرّف امامه JO - نشریه علمی - پژوهشی مرتع و آبخیزداری JA - JRWM LA - fa SN - 5044-2008 AU - معتمدنیا, محبوبه AU - نوحه گر, احمد AU - ملکیان, آرش AU - صابری اناری, مریم AD - دکتری علوم و مهندسی آبخیزداری AD - استاد گروه آموزش، برنامه‌ریزی و مدیریت محیط زیست، دانشکدۀ محیط زیست، دانشگاه تهران AD - دانشیار گروه احیا مناطق خشک و کوهستانی، دانشکده منابع طبیعی، دانشگاه تهران AD - مربی دانشکاه فنی و حرافه ای، یزد Y1 - 2017 PY - 2017 VL - 70 IS - 4 SP - 1045 EP - 1066 KW - الگوریتم پس‌انتشار خطا KW - شبکۀ عصبی مصنوعی KW - حوزۀ آبخیز معرّف امامه KW - رابطۀ بارش- رواناب DO - 10.22059/jrwm.2018.135478.930 N2 - یکی از مهم­ترین محاسبات هیدرولوژیک در یک اکوسیستم، تعیین ارتباط بین بارش و رواناب است. به طوری ­که بررسی فرایندهای به­وقوع پیوسته در آن و برآورد خروجی­های مهّم حوزه از قبیل سیلاب و رسوب از مهّم­ترین هدف­های یک پروژۀ آبخیزداری تلقی می­شود. به دلیل ویژگی­های متغیر زمانی و مکانی وقایع در چرخۀ آبی، روابط غیر خطی و عدم قطعیت، هیچ کدام یک از مدل­های آماری و مفهومی نتوانسته به­عنوان یک مدل برتر و توانا کارگشا باشد. اما امروزه استفاده از شبکه­های غیرخطی به­عنوان سامانه­های هوشمند در پیش­بینی چنین پدیده­های پیچیده و حل بسیاری از مشکلات اکوهیدرولوژی می­تواند مفید و مؤثر باشد. به این منظور از داده­های روزانۀ بارندگی، دما، تبخیر و تعرق، رطوبت نسبی و همچنین دبی در مقیاس روزانه و در دورۀ زمانی مشترک 42 ساله و بررسی 62 ساختار پیشنهادی مختلف در حوزۀ آبخیز معرّف امامه استفاده شد. در این راستا و به منظور مقایسه از شبکه­های عصبی پرسپترون چند­لایه و تابع پایۀ شعاعی استفاده گردید. نتایج نشان داد که از بین بیش از 6000 مدل موجود در تخمین دبی رودخانه، مدل 54 با ساختار 1-8-9-8 و ورودی­های دما، رطوبت نسبی، بارندگی و تأخیر بارندگی و دبی تا دو روز بوده و با روش پرسپترون چند­لایه دارای بهترین عملکرد بوده است. میزان خطای مدل مذکور برابر با 03/0، 18/0 و 04/0 در مرحلۀ مدلسازی و آموزش و 02/0، 14/0 و 02/0 در مرحلۀ آزمایش برای معیارهای ارزیابی به ترتیب شامل میانگین مربعات خطا (MSE)، مجذور میانگین مربعات خطا (RMSE)، میانگین مطلق خطا (MAE) بوده است. UR - https://jrwm.ut.ac.ir/article_65372.html L1 - https://jrwm.ut.ac.ir/article_65372_de4141b5c64803ede7d57433df3c18f2.pdf ER -