عبداله طاهری تیزرو

چکیده: شبکه عصبی مصنوعی یک سامانه پردازشی داده ها است که از مغز انسان ایده گرفته است. دلیل استفاده از شبکه های عصبی مصنوعی، کاهش زمان و هزینه های محاسباتی برای استفاده مکرر پرهزینه و زمان بر از مدل های پیچیده است. در این پژوهش دبی ماهانه چشمه های کنگاور کهنه و قلعه باروداب (1387 تا 1399) با استفاده از مدل شبکه عصبی و شبکه عصبی فازی شبیه سازی شد. داده های ورودی بارش، دما، تبخیر و سری زمانی دبی بود که به تفکیک برای هر چشمه لحاظ گردید. همه مدل ها با یک لایه پنهان توسعه داده شدند. هر مدل با آزمایش های زیادی با انتخاب معماری های شبکه مختلف (قوانین آموزش، تابع فعالیت و تابع عضویت مختلف) و تعداد متفاوت نورون های پنهان توسعه داده شد. در نهایت بهترین مدل شبیه سازی دبی چشمه در برابر هر مدل توسعه یافته ارائه شده است. نتایج نشان داد که بهترین مدل جهت شبیه سازی دبی چشمه کنگاور کهنه مدل شبکه عصبی با تابع فعالیت سیگمویید و قانون آموزش لونبرگ مارکوات با مقدار ضریب همبستگی و NRMSE به ترتیب 881/0 و 25/0 می باشد. مشابه چشمه کنگاور کهنه مدل شبکه عصبی مصنوعی (تابع فعالیت سیگمویید و قانون آموزش لونبرگ مارکوات) که دارای مقدار ضریب همبستگی 822/0 و NRMSE 39/0 بود نیز به عنوان بهترین مدل برای چشمه قلعه باروداب طی دوره مورد بررسی انتخاب شد تنها تفاوت در تعداد نورون بود که برای چشمه کنگاور کهنه 22 و برای چشمه قلعه باروداب 6 انتخاب شد. از نتایج می توان برای زمان هایی که دبی فاقد اندازه گیری است جهت مدیریت در منابع آب استفاده نمود.