تخمین مشخصات هیدروگراف سیل در رودخانهها یکی از مسائل مورد علاقه پژوهشگران علوم آب و هیدرولوژی میباشد. در این پژوهش توانایی مدلهای شبکه عصبی مصنوعی جهت شبیهسازی هیدروگراف سیل ورودی به سد مخزنی شیرین دره در استان خراسان مورد بررسی قرار گرفته است. بدین منظور تمامی هیدروگرافهای سیل ثبت شده در ایستگاه هیدرومتری موجود در بالادست مخزن سد گردآوری و مقادیر دبی سیل با استفاده از روابطه مربوطه استاندارد شد. در ادامه چهار الگوی ورودی بر مبنای استفاده از دبی سیل در ساعات گذشته (یعنی 2، 3، 4 و 5 ساعت قبل) طراحی شدند. به منظور بررسی اثر تعداد پارامترهای ورودی بر دقت تخمین، در هر الگو نیز چهار سیگنال بر اساس تأًخیر دبی سیل طراحی و مورد ارزیابی قرار گرفتند. به منظور ارزیابی تأثیر افزایش آموزش مدل در بهبود عملکرد آن، معیارهای آماری متعددی همچون خطای حجم سیل، خطای دبی اوج، خطای زمان تا اوج و معیار ناش- ساتکلیف در هر سیگنال ورودی محاسبه و مورد ارزیابی قرار گرفتند. نتایج نشان میدهد که با افزایش زمان تأخیر دقت شبیهسازی کمتر میشود. همچنین به ازاء یک زمان تاخیر معین، با افزایش تعداد ورودیها (دبی در ساعتهای قبل)، نیز دقت نتایج افزایش مییابد. به طوریکه با افزایش تعداد ورودیها در الگوی اول، میزان ضریب ناش- ساتکلیف از مقدار 79/0 به 91/0 برای سیگنال چهارم افزایش یافت.
pahlevani H, Bahremand A R, Dehghani A A. Evaluating the Effects of Different Input Signals on Efficiency Coefficients of Artificial Neural Network Models for Intelligent Estimation of Flood Hydrographs. jwmseir 2010; 4 (11) :45-48 URL: http://jwmsei.ir/article-1-147-fa.html
پهلوانی حمید، بهره مند عبدالرضا، دهقانی امیر احمد. ارزیابی تأثیر سیگنالهای مختلف ورودی بر میزان کارایی مدلهای شبکه عصبی مصنوعی در شبیهسازی هوشمند هیدروگراف سیل. مجله علوم ومهندسی آبخیزداری ایران. 1389; 4 (11) :45-48
به اطلاع کلیه نویسندگان ، محققین و داوران محترم می رساند:با عنایت به تصمیم هیئت تحریریه مجله علمی پژوهشی علوم و مهندسی آبخیزداری فرمت تهیه مقاله به شکل پیوست در بخش راهنمای نویسندگان تغییر کرده است. در این راستا، از تاریخ ۱۴۰۳/۰۱/۲۱ کلیه مقالات ارسالی فقط در صورتی که طبق راهنمای نگارش جدید تنظیم شده باشد مورد بررسی قرار خواهد گرفت.