بررسي كاربرد مدل هاي هوش محاسباتي در شبيه سازي و پيش بيني بهنگام جريان هاي سيلابي

در اين تحقيق توانايي مدل هاي شبكه عصبي مصنوعي جهت شبيه سازي رفتار هيدرولوژيكي آب در حوزه هاي آبخيز مورد بررسي قرار گرفته است. هدف اصلي تحقيق بررسي كاربرد انواع مختلف شبكه هاي عصلي مصنوعي جهت شبيه سازي جريان در يك حوزه آبخيز با چند ايستگاه هيدرومتري و پيش بيني بهنگام جريان هاي سيلابي در پايين دست بوده است. منطقه مورد بررسي قسمت فوقاني رودخانه درونت (Derwent) مي باشد كه يكي از شاخه هاي اصلي رودخانه ترنت (Trent river) در ناحيه مركزي انگلستان است. جريان سيلاب رودخانه 3، 6، 9 و 12 ساعت قبل از وقوع در محل ايستگاه هيدرومتري واتستندول (Whatstandwell) با استفاده از داده هاي اندازه گيري شده در بالا دست پيش بيني گرديده است. سه نوع شبكه عصبي مختلف كه عبارت از شبكه پرسپترون چندلايه (MLP network)، شبكه برگشتي (Recurrent network) و شبكه برگشتي با تاخير زماني (Time recurrent network) به صورت جداگانه مورد استفاده و ارزيابي قرار گرفتند. هم چنين جهت بررسي تاثير طول داده هاي ورودي در كارايي مدل هاي شبكه عصبي، شبيه سازي هاي مختلف با استفاده از داده هاي هيدرولوژيكي با طول و تعداد متفاوت مورد استفاده قرار گرفت. داده هاي با فاصله اندازه گيري 30 دقيقه اي با طول دوره هاي 1 ماه، 6 ماه و سه سال (كه توليد تعداد مشاهده هاي متفاوتي را مي نمايد) بدين منظور مورد استفاده واقع شد. براساس نتايج به دست آمده هر چند شبكه هاي عصبي مصنوعي به صورت عمومي و كلي كارايي مناسبي را در شبيه سازي و پيش بيني دبي جريان از خود نشان داده اند ولي نوع شبكه عصبي مصنوعي و نيز خصوصيات داده هاي ورودي مدل خصوصا داده هاي آموزشي پارامترهاي بسيار مهمي هستند كه تاثير عمده اي را روي خروجي مدل دارند.