پیشبینی جریان در بهرهبرداری از مخازن سدها و مدیریت منابع آب اهمیت زیادی دارد. در این مقاله، جریان ورودی به مخزن سد دز با استفاده از مدل شبکه عصبی مصنوعی و مدل رگرسیون خطی چند متغیره بر اساس آمار آبدهی روزانه ایستگاههای هیدرومتری واقع در بالادست مخزن سد پیشبینی شده است. با استفاده از دو مدل مذکور همبستگی زمانی و مکانی بین ایستگاههای واقع در بالادست مخزن نیز بررسی شدهاست. نتایج بهدست آمده نشان میدهد که درحالت کلی، با در نظر گرفتن ضریب همبستگی و معیار میانگین مربعات خطاها، مدل شبکه عصبی مصنوعی عملکرد بهتری نسبت به مدل رگرسیون خطی دارد. بهترین موقع برای پیشبینی یک روز جلوتر با استفاده از دادههای نزدیکترین ایستگاه بالادست سد (تنگپنج) و سه روز جلوتر با دادههای ایستگاههای ونایی (سراب سفید)، درودتیره، کمنداب و درهتخت انجام میشود. بدین ترتیب با افزایش فاصله ایستگاه پیشبینیکننده، زمان پیشبینی از یک روز به سه روز افزایش و دقت آن 42% کاهش مییابد.
بنی حبیب,محمد ابراهیم , موسوی,سید مجید و جمالی,فریماه سادات . (1389). مدل شبکه عصبی مصنوعی برای بررسی همبستگی روزانه بین ایستگاهها در پیشبینی جریان ورودی به مخزن سد دز. پژوهش آب ایران, 4(2), 25-32.
MLA
بنی حبیب,محمد ابراهیم , , موسوی,سید مجید , و جمالی,فریماه سادات . "مدل شبکه عصبی مصنوعی برای بررسی همبستگی روزانه بین ایستگاهها در پیشبینی جریان ورودی به مخزن سد دز", پژوهش آب ایران, 4, 2, 1389, 25-32.
HARVARD
بنی حبیب محمد ابراهیم, موسوی سید مجید, جمالی فریماه سادات. (1389). 'مدل شبکه عصبی مصنوعی برای بررسی همبستگی روزانه بین ایستگاهها در پیشبینی جریان ورودی به مخزن سد دز', پژوهش آب ایران, 4(2), pp. 25-32.
CHICAGO
محمد ابراهیم بنی حبیب, سید مجید موسوی و فریماه سادات جمالی, "مدل شبکه عصبی مصنوعی برای بررسی همبستگی روزانه بین ایستگاهها در پیشبینی جریان ورودی به مخزن سد دز," پژوهش آب ایران, 4 2 (1389): 25-32,
VANCOUVER
بنی حبیب محمد ابراهیم, موسوی سید مجید, جمالی فریماه سادات. مدل شبکه عصبی مصنوعی برای بررسی همبستگی روزانه بین ایستگاهها در پیشبینی جریان ورودی به مخزن سد دز. پژوهش آب ایران, 1389; 4(2): 25-32.
