بررسي تاثير عامل بارش پيشين در براورد جريان رودخانه توسط مدل سازي هوشمند بارش رواناب

در دهه گذشته استفاده از شبكه عصبي در شبيه سازي فرايندهاي هيدرولوژيكي افزايش چشمگيري داشته است. نظر به اينكه بيشتر تحقيقات در اين زمينه معطوف به رابطه بين اين شبكه ها و ساير مدل هاي بارش رواناب و يا ارزيابي الگوريتمهاي آموزش است پژوهشي جهت بررسي هاي ورودي هاي اساسي و كمكي جهت پيش گويي جريان ضروري به نظر مي رسد . در اين تحقيق به منظور پيش بيني روزانه جريان رودخانه بختياري از شبكه پرسپترون چند لايه (MLP) استفاده و جهت نيل به اهداف فوق به بررسي نقش بارش پيشين (API) در فرايند بارش - رواناب پرداخته شد و اين پارامتر نيز به ورودي هاي مدل اضافه و بهبود قابل توجهي در نتايج پيش بيني حاصل گرديد. بررسي آناليز حساسيت مدل نسبت به پارامترهاي ورودي نشان دهنده اين مطلب بود كه دبي يك روز قبل، ميزان بارش 7 روز قبل و بارش در ايستگا ه باران سنجي تنگ پنج پارامترهاي اصلي اين حوضه در پيش گويي جريان روزانه رودخانه مي باشند.