بازسازی دبی روزانه با استفاده از روش های شبکه عصبی و فازی- عصبی(مطالعه موردی: سرشاخه های حوزه آبخیز کارون)

نوع مقاله: مقاله پژوهشی

نویسندگان

1 استادیار موسسه آموزش عالی علمی کاربردی جهاد کشاورزی، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایران.

2 استادیار پژوهشکده تحقیقات حفاظت خاک و آبخیزداری، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایران.

3 عضو هیئت‌علمی پژوهشکده هواشناسی، تهران، ایران.

چکیده

برای برآورد دبی روزانه در مدل‏های هیدرولوژی نیاز به دبی‏های پیوسته در بازه زمانی روزانه هست. تعداد سال‏های آماری متفاوت، نواقص آماری و خطای اندازه‏گیری باعث ایجاد سری‏های زمانی با پایه زمانی غیرمشترک می‏گردد. بنابراین بازسازی داده‏های دبی روزانه از اهمیت ویژه‏ای برخوردار است. این تحقیق به‌منظور بازسازی دبی روزانه در یکی از سرشاخه‏های رودخانه کارون و در دو مرحله انجام گرفت. در هر دو مرحله تحقیق با استفاده از داده‏های دبی روزانه دو ایستگاه بالادست و روش‏های شبکه عصبی،
فازی-عصبی و رگرسیون دومتغیره دبی روزانه ایستگاه پائین‌دست بازسازی گردید. در مرحله دوم با گروه‏بندی مقادیر دبی به سال‏های خشک، نرمال و مرطوب دبی روزانه بازسازی شد. نتایج نشان داد روش‏های شبکه عصبی و فازی دارای دقت بالا‏تری نسبت به روش رگرسیون دومتغیره برای بازسازی دبی روزانه بود. بین مدل‏های مختلف شبکه عصبی و فازی مدل شبکه عصبی پرسپترون (MLP)دارای قابلیت مناسب‏تری نسبت به بقیه مدل‏ها است. همچنین گروه‏بندی دبی به سال‌های خشک، نرمال و مرطوب باعث کاهش خطا در بازسازی دبی روزانه گردید. بر اساس شاخص میانگین خطای نسبی (MRE) به ترتیب سال‏های نرمال، مرطوب و خشک کمترین خطا در بازسازی دبی روزانه را دارند.

کلیدواژه‌ها