کاربرد مدلهای شبکه عصبی مصنوعی و مدل M5 در شبیه سازی جریان ماهانه (مطالعه موردی: رودخانه استور)

مدیریت موثر منابع آبی در یک رودخانه نیازمند شناخت صحیح و کامل از فرآیندهایی است که در آن رخ می دهد. روش های هوش مصنوعی می توانند کارایی بالایی جهت شبیه سازی جریان رودخانه در مقیاس های مختلف زمانی و مکانی داشته باشند. در این مطالعه از روش شبکه عصبی مصنوعی و مدل نمودار درختی M5 جهت شبیه سازی ماهانه جریان رودخانه در ایستگاه استور استفاده گردید. جهت شبیه سازی داده های دبی جریان ماهانه در این ایستگاه، از داده های دبی ثبت شده در چهار ایستگاه هیدرومتری بالادست و یک ایستگاه اقلیمی استفاده گردید. جهت مقایسه نتایج دو روش شبکه عصبی مصنوعی و مدل M5، از دو معیار مجذور میانگین مربعات خطا و ضریب تبیین استفاده گردید. نتایج نشان داد شبکه عصبی مصنوعی با ساختار یک لایه مخفی با چهار نرون کارایی بیشتری نسبت به مدل M5 دارد. خطای مدل شبکه عصبی مصنوعی 40/25 با ضریب همبستگی 93/0 و خطای مدل M5 18/28 با ضریب همبستگی 92/0 به دست آمد. با افزایش نرون های محاسباتی در لایه مخفی کارایی شبکه عصبی مصنوعی کاهش یافت.