شبیه سازی جریان ورودی به مخزن سد با استفاده از شبکه عصبی (مطالعه موردی: سد تهم)

پیش بینی جریان ورودی به مخزن سدها در بهره برداری از این منابع سطحی و مدیریت منابع آب پشت سد، از اهمیت زیادی برخوردار است. در این پژوهش، جریان روزانه ورودی به مخزن سد تهم با استفاده از سیستم هوشمند شبکه عصبی مصنوعی پیش بینی شده است. مدل سازی جریان روزانه، برای سری زمانی دوره آماری 1389 تا 1392 استفاده شد. شبکه پرسپترون چند لایه با الگوریتم پس انتظار خطا، به صورت پیش رو و با استفاده از داده های هم زمان دما، باد، بارش و ...) به عنوان ورودی، خروجی های دبی روزانه را با کیفیت بسیار ضعیفی تولید کرد که بر این اساس، پس از بارها سعی و خطا، مقدار ضریب همبستگی دوره آموزش، نهایتاً به مقدار 0.35 رسید. در ادامه روش کار تغییر داده شد و از روش تاخیر در داده های هواشناسی و دبی برای افزایش توانایی شبکه عصبی استفاده شد که در این حالت، مقدار ضریب همبستگی برابر با 89 درصد برای مرحله آموزش محاسبه شد. با توجه به نتایج حاصل شده، می توان این گونه بیان نمود که بر اساس داده های ورودی و کیفیت داده ها، مدل شبکه عصبی می تواند با استفاده از روش تاخیر در سری زمانی دبی، تخمین خوبی را از دبی های ورودی به سد تهم ( که مجموع جریان های دو رود تهم و گله رود می باشد) داشته باشد. نهایتاً در بهترین معماری شبکه (با یک لایه پنهان با 12 المان، تابع انتقال تانژانت هایپربولیک و تحت قاعده لونبرگ مارکوارت)، ضریب همبستگی مرحله آموزش و تست به ترتیب برابر با 0.96 و 0.98 محاسبه گردید.