پروانه دولتخواه

    یکی از روش های نوین در زمینه پیش بینی فرآیندهای هیدرولوژیکی و ژئومورفولوژیکی  شبکه های عصبی مصنوعی از مؤلفه های هوش مصنوعی است که در جهت پیاده سازی ویژگی های شگفت انگیز مغز انسان در یک سیستم مصنوعی می کوشند و ابزاری قدرتمند در زمینه ی مدل سازی و پیش بینی پارامترهای ژئومورفولوژی اند که در این پژوهش جهت برآورد میزان رسوب حوضه رود ارس استفاده شده است. بدین منظور از آمار دبی، رسوب و بارش ماهانه ایستگاه هیدرومتری بران واقع در حوضه آبریز دره رود از زیر حوضه های مهم حوضه رود ارس در دشت مغان در طول دوره آماری 34 ساله (سال آبی 54-53 تا 87-86) استفاده گردید. بدین صورت که میزان دبی و بارش به عنوان ورودی های شبکه عصبی مصنوعی و میزان رسوب به عنوان خروجی شبکه در نظر گرفته شدند. به منظور پیاده سازی مدل از امکانات و توابع موجود در محیط برنامه نویسی نرم افزارهای MATLAB/2010 و SPSS/21 بهره گرفته شد. سپس به ارزیابی عملکرد مدل، از طریق معیارهای آماری از جمله ضریب تعیین، مجذور میانگین مربعات خطا، میانگین مربعات خطا، میانگین مطلق خطا، ضریب همبستگی و همچنین میانگین درصد نسبی خطا پرداخته شد. نتایج به دست آمده ضمن تأیید توانایی مدل شبکه عصبی مصنوعی نشان داد که انطباق خوبی بین مقادیر پیش بینی شده و مشاهداتی وجود دارد به طوری که میانگین خطای این مدل با داده های مشاهداتی برابر 9/0 درصد  و ضریب همبستگی 99/0 است که در سطح 01/0 نیز معنی دار گشته است. نتایج حاصل از این پژوهش نشان داد که مدل شبکه عصبی مصنوعی از دقت بالایی در برآورد میزان رسوب در حوضه مورد بررسی برخوردار است. نتایج حاصل می تواند در مدیریت و برنامه ریزی حوضه های آبخیز و  مدیریت منابع آبی و طبیعی بویژه در بخش های کشاورزی، صنعت، شرب و همچنین  پیش بینی وضعیت رسوب گذاری در مخزن سدها مفید باشد.