شبکة عصبی پرسپترون چندلایه

فرایند بارش- رواناب پیچیده و غیرخطی است و مدل سازی آن به دلیل عدم قطعیت های زیاد یکی از مهم ترین دغدغه های پژوهشگران در حیطة مسائل منابع آب به شمار می رود. از بین روش های مورد استفاده، مدل های هوشمند در پیش بینی چنین فرایندهایی مفید و مؤثرند. بنابراین، به منظور مدل سازی جریان رودخانه از روش های شبکة عصبی مصنوعی و همچنین برنامه ریزی ژنتیک به منزلة روشی صریح که جزو الگوریتم های تکاملی به شمار می رود در حوضة آبخیز معرّف امامه و در دورة آماری 1349 - 1350 تا 1390 - 1391 (42 ساله) استفاده شد. بدین منظور، از داده های هواشناسی و آب سنجی در مقیاس روزانه و در قالب 62 مدل پیشنهادی استفاده شد. نتایج نشان داد برنامه ریزی ژنتیکی، از میان مدل های فراوان، خطای کمتری داشت. خطای مدل ها نیز وقتی که فقط از عملگرهای اصلی ریاضی و توان استفاده شد به مراتب کمتر بود. سرانجام، با توجه به معیارهای ارزیابی مورد استفاده در این تحقیق، ساختار پیشنهادی با ورودی های (مدل 54) دما، باران، و تأخیرهای باران تا دو روز، رطوبت نسبی و تبخیر و تعرق و تأخیر جریان تا دو روز به عنوان بهترین مدل با خطای 001/0، 031/0، و 009/0 در مرحلة آموزش و 001/0، 032/0، و 009/0 در مرحلة آزمایش به دست آمد.