بررسی عملکرد شبکه عصبی مصنوعی در مدلسازی بارش- رواناب و مقایسه آن با روش رگرسیون چندمتغیره، مطالعه موردی: رودخانه بابل رود

از جمله روش هایی که در چند دهه اخیر برای شبیه سازی و مدلسازی رواناب مورد استفاده قرار می گیرند، روش های هوش مصنوعی نظیر منطق فازی و ANN هستند. در این تحقیق نیز برای مدلسازی بارش- رواناب از مدل های شبکه عصبی MLP و RBF استفاده و نتایج آن با روش رگرسیون چندمتغیره مقایسه شد. در این راستا ابتدا آمار 28 سال (87-1360) بارندگی و رواناب ایستگاه های قرآن طالار و کشتارگاه در حوضه رودخانه بابلرود جمع آوری شد. سپس رواناب در این دو ایستگاه با استفاده از آزمون همگنی و نرمال سازی داده ها مدلسازی شد. پس از آن معیارهای ارزیابی (RMSE،MSE، NMSE، R و R2) در مرحله آموزش و تست به دست آمدند. سپس با استفاده از آن ها، مقادیر شبیه سازی و مشاهده شده بارندگی و رواناب ماهانه مدل های مختلف با یکدیگر مقایسه شدند. نتایج نشان داد که از میان مدل های مورد استفاده، بهترین مدل، شبکه عصبی RBF در ایستگاه کشتارگاه با معماری 4 نرون درلایه اول، 6 نرون درلایه دوم و الگوریتم مومنتم و تابع انتقال بایاس و 137 تکرار بوده است. معیارهای ارزیابی در این مدل عبارت بودند از: 716/0R=0.716، R2=0.512، NMSE=0.495، RMSE=0.13، MSE=0.017.