%0 Journal Article %T مدلسازی و مقایسه شبکه‌های عصبی مصنوعی GMDH و RBF در پیش‌بینی تقاضای کوتاه‌مدت آب شرب شهر زاهدان %J نشریه علمی پژوهشی مهندسی آبیاری و آب ایران %I انجمن مهندسی آبیاری و آب ایران %Z 2251-7359 %A عباسیان, مجتبی %A سردارشهرکی, علی %D 2020 %\ 03/20/2020 %V 10 %N 3 %P 248-261 %! مدلسازی و مقایسه شبکه‌های عصبی مصنوعی GMDH و RBF در پیش‌بینی تقاضای کوتاه‌مدت آب شرب شهر زاهدان %K پیش بینی کوتاه مدت %K تقاضای آب %K شبکه عصبی مصنوعی %K RBF %K GMDH %R 10.22125/iwe.2020.107107 %X آب بخش شهری زاهدان از طریق انتقال آب از مخازن چاه نیمه سیستان تأمین شده که خود دچار بحران شدید آبی است. از اینرو پیش­بینی تقاضای آب شرب این شهر، کمک مؤثری به مدیران و بهره­برداران سیستم آب شهری خواهد نمود، تا بتوانند نسبت به مدیریت صحیح مصرف اقدام نمایند. لذا در این مقاله از شبکه­های عصبی مصنوعی GMDH و RBF که از ابزارهای قدرتمند برای تجزیه و تحلیل و مدل­سازی روابط غیرخطی به حساب می آیند، برای برآورد تقاضای ماهانه آب شهری زاهدان در سال 1396 استفاده شد. پارامترهای موثر انتخاب شده، شامل میانگین دمای ماهانه، درصد رطوبت نسبی، متوسط میزان بارندگی، ساعات آفتابی و مصرف ماه قبل می­باشند. نتایج بدست آمده و مقایسه شاخص هایMSE  و MAE نشان می­دهد با توجه به بررسی هفت ساختار مختلف با تعداد متفاوت نرون و لایه های نهان، شبکه عصبی GMDH با  سه لایه نهان که دارای یک نرون در لایه اول، سه نرون در لایه نهان دوم و سه نرون در لایه نهان سوم می باشد، بهترین نتیجه را برای پیش بینی تقاضای کوتاه مدت آب شرب نشان داد. با مقایسه توابع فعالیت خطی و غیر خطی مشخص شد که در لایه خروجی مدل های عصبی GMDH و RBF، توابع غیر خطی عملکرد بهتری نسبت به توابع خطی از خود نشان می دهند. همچنین در بین مدلهای GMDH نیز مدلهای با خروجی غیرخطی نسبت به مدل های با خروجی خطی مناسب تر می باشند. همچنین نتایج حاکی از آن بود که بزرگتر کردن ساختار شبکه، تاثیر چندانی بر بهبود نتایج ندارند.   %U https://www.waterjournal.ir/article_107107_ebfdcbce6b5e41afc755a03138ed85db.pdf