تخمین میزان رواناب حوضة کن با استفاده از شبکة عصبی مصنوعی

علی‌اکبر متکان, علیرضا شکیبا, امین حسینی ‌اصل, فردین رحیمی دهگلان

چکیده


 

رواناب یکی از اجزای ضروری محاسبة فرایندهای منابع آب و مسئله‌اي اصلی در هیدرولوژی است. مدل‌های مفهومی زیادی برای پيش‌بيني ميزان رواناب مطرح شده‌‌اند كه عمدتاً نیازمند داده‌های توپوگرافی و هیدرولوژیکی هستند. روش‌های مرسوم گذشته برای نواحی‌اي که داده‌های هیدرولوژیکی کافی ندارند، نامناسب‌اند. تخمین رواناب، فرایندی غیرخطی و از نظر ز‌مانی و مکانی به‌طور کامل تصادفی است و شبیه‌سازی آن با مدل ساده به‌راحتی امکان‌پذیر نیست. امروزه استفاده از شبکه‌های عصبی مصنوعی در مواردي كه كمبود داده‌ها محسوس است، روش مناسبي به‌شمار مي‌آيد. در پژوهش حاضر از داده‌های بارش، دما و دبی ایستگاه‌های حوضة کن در بازة زمانی 1375 تا 1385 و همچنین خصوصیات فیزیوگرافی حوضة مورد مطالعه به‌عنوان ورودی شبکة عصبی براي پیش‌بینی رواناب استفاده شد. بدين منظور به‌صورت تصادفی 80 درصد داده‌ها براي آموزش و 20 درصد داده‌ها برای تست و اعتبارسنجی شبکه اختصاص داده شدند. به‌منظور انتخاب شبکة بهینه، از دو نوع تابع انتقال، 12 تابع آموزشی، و تعدادی نرون مخفی مختلف بین 1 تا 9 نرون استفاده شد. نتایج پژوهش پس از آزمون شبکه با لایه‌های پنهان و با توابع یادگیری مختلف آشکار ساختند که استفاده از داده‌های بارش، دما و دبی، و تابع آموزشی LM و تابع انتقال Tansig و چهار نرون مخفی، بهترین ساختار را براي تخمین رواناب به‌دست مي‌دهد. شبکة عصبی با این ساختار می‌تواند رواناب را با دقت (0.68≤R2≤0.78 و 0.53≥RMSE 0.03≤) برآورد ‌كند.

 

 كلید‌واژه‌ها: تخمین رواناب، شبكة عصبي مصنوعی، الگوريتم پس‌انتشار خطا، حوضة کن، سامانة اطلاعات جغرافیایی.

 


تمام متن:

PDF

ارجاعات

  • در حال حاضر ارجاعی نیست.