TY - JOUR ID - TI - Development of Water Rating Curve in Shatt Al-Arab River AU - Zuhal A. Al-Hadi PY - 2016 VL - 24 IS - 4 SP - 1031 EP - 1041 JO - Journal of University of Babylon مجلة جامعة بابل SN - 19920652 23128135 AB - This study investigates the abilities of artificial neural networks (ANN) to improve the accuracy of stream flow-water rating curve in Shatt Al-Arab River. Development of stage-discharge relationships for the daily stream flow to Shatt Al-Arab is a challenging task. In this study, the hydrological data was used as a tool for the identification of critical (information) segments in a river, to covers all study area in Shatt Al-Arab over a period of seven years started from January /2009 to January/2015from water resources office in Basra Province. Data from different gauging sites were used to compare the performance of ANN trained on the whole data set. The neural network toolbox available in MATLAB was used to develop several ANN models. Five layers feed- forward network with Log-sigmoid transfer function was used. The networks were trained using Levenberg-Marquradt (LM) back-propagation The Levenberg-Marquradt (LM) back-propagation was found to be the best ANN model with minimum Mean Squared Error (MSE) and maximum correlation coefficient (R) 0.9, and MSE 1.05*10-7, respectively. The optimum neuron number in the two hidden layers of (LM) was 8 neurons with R greater than 0.9, and MSE 1.05*10-7, respectively

تهدف هذه الدراسة الى تحقيق قابلية الشبكات العصبية الاصطناعية في تطوير دقة جدولة جريان المياه في منطقة الدراسة(شط العرب). ان تطوير العلاقة بين المناسيب-التصاريف لنهر شط العرب اليومية تعتبر مهمة جديرة بالتحدي. في هذه الدراسة المعلومات المناخية المستعملة كانت اداة للتعرف على المقاطع الحرجة لتغطي عدة مقاطع من نهر شط العرب ولسبع سنين اعتبارا من كانون الثاني 2009 ولغاية كانون الثاني2015 والتي تم الحصول ليها من دائرة الموارد المائية في محافظة البصرة. تم استخدام الأدوات المتاحة للشبكة العصبية في برنامج MATLAB عدة نماذج للشبكات العصبية الاصطناعية. بنيت هذه النماذج باستخدام خمس طبقات تغذية أمامية مع دالة تحويل من نوع الاس السيني. تم تدريب الشبكات باستخدام خوارزمية التقدم العكسي من نوع Levenberg-Marquradt . وبناء" على نتائج هذه الدراسة تم إيجاد الأتي:خوارزمية التقدم العكسي (LM) Levenberg-Marquradt أفضل تركيب نموذج شبكة عصبية اصطناعية تم الحصول علية لغرض التنبوء في منطقة الدراسة حيث أوضحت قيم معاملات المعايرة وهي معامل الارتباط ومعدل مربع الخطأ (0.9 و 1.05× ) على التوالي. كانت الشبكة تحتوي على طبقتين مخفيتين تحوي كل منهما ثمان عقد. ER -