كاربرد شبكه هاي عصبي مصنوعي در تجزي? زماني بارندگي ساعتي

سري زماني بارش غالباً يكي از وروديهاي لازم براي تجزيه و تحليل و طراحي سيستمهاي هيدروليكي و هيدرولوژيكي م يباشد . اطلاعات بارش به منظور كاربرد در اين اهداف ميتواند به صورت اندازهگيري مشاهدات بدست آيد و يا اينكه به وسيله شبيهسازي اتفاقي توليد شود. يك مشكل عمده در مورد دادههاي بارندگي ثبت شده و يا توليدي اين است كه اين دادهها در بازههاي زماني به اندازه كافي كوچك براي كاربردهاي مهندسي موجود نميباشند. براي حل اين مشكل مي توان مقادير بارندگي را به بازههاي زماني كوچكتر تجزيه نمود. در اين تحقيق دو نوع شبكه عصبي مصنوعي (شبكه پرسپترون چند لايه، شبكه تابع پايه شعاعي) معرفي شده و از آنها براي تجزيه زماني بارندگي ساعتي به زير بازههاي پانزده دقيقهاي استفاده شده است و در نهايت عملكرد آنها با مدل تجزيه زماني آرمسبي نيز مقايسه شده است. در انتها نتايج هر دو نوع شبكه عصبي نشان داد كه استفاده از شبكههاي عصبي از لحاظ برآورد كلي هيدروگراف بارندگي داراي عملكرد مناسبي مي باشد. همچنين اين روش در تعيين مقدار حداكثر بارش پانزده دقيقهاي بسيار بهتر از روشهاي ديگر عمل ميكند. بر پايه اين نتايج، استفاده از شبكههاي عصبي به عنوان روشي مناسب براي تجزيه زماني بارندگي ساعتي به بارشهاي پانزده دقيقهاي پيشنهاد شده است.