بروز سیلاب های سهمگین در اثر تغییرات آب و هوایی طیّ دهه های اخیر سبب بروز خسارات فراوانی در نواحی مختلف دنیا شده است. در نواحی خشک تأثیر این تغییرات محسوس تر است. در این بین استان سیستان و بلوچستان با آب و هوای گرم و خشک، مستعد وقوع سیل می باشد. حوضه ی آبریز سرباز که در قسمت های جنوبی این استان پهناور قرار گرفته، متأثر از شرایط موجود هرساله شاهد وقوع سیل و نتایج مخرب آن می باشد.
هدف از این پژوهش پیش بینی سیلاب رودخانه ی سرباز با شبکه عصبی مصنوعی می باشد. در این پژوهش از سه شبکه پرسپترون چندلایه، پس انتشار و Radial Basis جهت پیش بینی سیلاب رودخانه ی سرباز استفاده شد و نتایج این شبکه ها با مدل رگرسیون چند متغیّره مقایسه شده است. برای این منظور از داده های روزانه اقلیمی و هیدرولوژیکی سه ایستگاه سرباز، ایرانشهر و پیردان طیّ یک دوره ی 28 ساله (مهر 1360 تا شهریور 1388) استفاده شد. با بررسی همبستگی بین این داده ها و دبی رودخانه سرباز پارامترهای مؤثر بر سیلاب تعیین شد. پس از نرمالیزه کردن داده ها، مدل های مختلف ایجاد شد.
بررسی نتایج نشان داد که شبکه ی منتخبRadial Basisبا همبستگی 97/0 در مرحله ی آموزش و 714/0 در مرحله ی آزمایش و خطای کمتر نسبت به سایر شبکه ها به عنوان بهترین مدل در بین انواع شبکه ی عصبی شناخته شد. مقایسه ی نتایج این شبکه و مدل رگرسیونی نشان می دهد که مدل شبکه عصبی عملکرد مناسب تری دارد و پیش بینی بهتری نسبت به روش رگرسیونی از سیلاب رودخانه ی سرباز ارائه می دهد.
