پیشبینی جریان ورودی ماهانه به سد سبلان با روش های شبکه عصبی مصنوعی و مدل درختی M5 برای یک سال آبی

امروزه سیستم های هوشمند و روش های داده کاوی با توجه به توانایی در حل پدیده های غیرخطی و پیچیده کاربردهای فراوانی در مسایل مختلف مهندسی آب ازجمله هیدرولوژی پیداکرده اند. در این تحقیق با توجه به اهمیت مدیریت مخزن برای سال آبی آتی، اقدام به ارزیابی دقت مدل درختی M5 و شبکه عصبی مصنوعی پرسپترون چندلایه در پیش بینی جریان ماهانه ورودی به مخزن سد سبلان اردبیل برای یک سال آبی آتی شده است. بر این اساس، دبی ورودی به مخزن سد برای یک سال آبی آتی به عنوان مقادیر هدف و خروجی مدل و سایر پارامترهای جریان، تبخیر،بارش و دما به عنوان ورودی مدل منظور شد. بررسی نتایج نشان داد هر دو این روش ها کارایی و عملکرد خوبی در پیش بینی جریان ورودی به مخزن سد از خود نشان میدهند. از طرف دیگر به نظر میرسد با توجه به سادگی کاربرد و ارایه روابط ساده و قابل فهم توسط مدل درختی M5 این روش برای استفاده در مسایل مدیریتی کاربردی تر باشد.

کلیدواژه ها:

پیشبینی جریان ورودی ، مخزن ، دادهکاوی ، مدل شبکه عصبی مصنوعی ، مدل درختی M5 و سد سبلان