چکیده:
برنامهریزی و مدیریت منابع آب با تمام پیچیدگیها و مشکلات آن میتواند نقش بسیار مهمی در ارتقا شاخصهای آبی داشته باشد. در دهههای اخیر شبکه عصبی مصنوعی به عنوان مدلی که با تجزیه و تحلیل اطلاعات موجود امکان استخراج روابط غیرخطی و نامشخص را فراهم میسازد، در بسیاری از علوم به ویژه آب موفق ظاهر شده است. مزیت این روش انعطافپذیری بالای شبکههای عصبی مصنوعی در مقابل توابع پیچیده و استفاده از ورودیهای است که به راحتی در دسترس میباشند. در این تحقیق سعی شده رودخانه دینور قابلیت شبکههای عصبی مصنوعی در پیشبینی سیلاب مورد بررسی قرار بگیرد. بنابراین از 25 سال آمار روزانه بارش و دما و دبی در رودخانه در دوره زمانی 90-66 ایستگاههای حیدرآباد و پلچهراستفاده گردید پیش بینی سیلاب از طریق شبکه عصبی مصنوعی، از مدل ANNاستفاده شد که نتایج بدست آمده از مدلها به لحاظ شاخص آماری MSE مورد ارزیابی قرار گرفته است. در نهایت نتایج بیانگر این است که مدلANN با مقدار کم خطا و ضریب همبستگی بالا بین دادههای مشاهداتی و دادههای پیشبینی شده نشان از مناسب بودن این روش برای پیشبینی سیلاب میباشد و این مدل قادر است میزان دبی را با دقت قابل قبولی پیشبینی کند.
Water Resources management have important role on water indexes although it is so complicated.Flood is one of the destructive natural phenomenons that are very important to forecasting it. Estimating of runoff and flood is difficult due to influence of several factors. So far, different methods have been suggested for their analysis. In recent decades, artificial neural networks have been used as a model to extract unknown and non-linear relationships using information analysis so that this model has appeared successful in many sciences especially in water studies. The advantages of artificial neural networks are inputs accessible and more flexible into complex functions. This research has assessed Dinavar River capabilities of artificial neural network for estimating of the flood. So daily precipitation and temperature data (25 years period from1366 to 1390) of Hyderabad and Paul Chehr Stations were used. flood has been estimated by artificial neural network using model ANN and then the results of the models were assayed by MSE index. Finally the results indicated that ANN model is the appropriate method to predict the flood because it had low error and high correlation between observational and predicted data and also this model can predict the discharge with acceptable accuracy.