کاربرد مدل شبکه عصبی در برآورد رواناب مطالعه موردی: حوضه آبریز پلاسجان، حوضه آبریز زاینده رود
حوزه های تخصصی:
برآورد رواناب در یک حوضه آبریز اهمیت زیادی در مدیریت منابع آب حوضه دارد. با وجود مدل های فیزیکی و آماری که هر کدام برخی از پارامترهای حوضه را به منظور برآورد رواناب را در بر می گیرند، استفاده از شبکه های عصبی به عنوان یک مدل جعبه سیاه نیز یکی از روش های مناسب محسوب می شود. هدف این تحقیق استفاده از شبکه عصبی پرسپترون چند لایه به منظور برآورد میزان رواناب روزانه از روی بارندگی روزانه حوضه آبریز پلاسجان است. ابتدا سری های بارندگی روزانه سه ایستگاه واقع در منطقه و سری روزانه دبی ایستگاه پلاسجان به سری نرمال تبدیل و با توجه به خود همبستگی و همبستگی عرضی بارندگی و رواناب، شش متغیر به عنوان ورودی به شبکه انتخاب شد. در پایان مشخص شد شبکه عصبی پرسپترون با چهار لایه مخفی اعتبار بیشتری در برآورد رواناب نسبت به سایر شبکه ها دارد.