یکی از روش‌های پیش‌بینی سیل در رودخانه‌ها به منظور مدیریت و کنترل سیل در آن، روندیابی سیل می‌باشد. امروزه تکنیک جدید استفاده از مدل شبکه‌های عصبی مصنوعی تکاملی(EANN) که مبتنی بر هوش مصنوعی می‌باشد، کاربرد گسترده‌ای در زمینه‌های مختلف علمی به‌ویژه مهندسی آب پیدا کرده است. در این تحقیق به روندیابی سیل در رودخانه کارون، بازه اهواز- فارسیات، با استفاده از مدل‌های شبکه عصبی مصنوعی تکاملی پیش رونده (FF)، پرسپترون چندلایه (MLP) وتوابع شعاعی (RBF) پرداخته شد. برای تعیین تعداد و تاخیر زمانی موثر داده‌های ورودی در مدل‌های شبکه عصبی مصنوعی از روش همبستگی عرضی خطی(Linear Cross Correlation) بین سری‌های زمانی ورودی‌ها و خروجی‌ها استفاده شد. با استفاده از الگوریتم ژنتیک ساختار مدل‌های شبکه عصبی مصنوعی از نظر تعداد گره‌ها در لایه پنهان شبکه‌های عصبی مصنوعی بهینه گردید. نتایج نشان می‌دهد که روش همبستگی عرضی به خوبی تعداد و تاخیر زمانی موثر داده‌های ورودی را تعیین می‌نماید. علاوه بر این مقایسه خروجی مدل‌ها با مقادیر واقعی نشان می‌دهد که مدل MLP انتخاب شده نسبت به مدل‌هایMIKE11 و ماسکینگام از توانایی، انعطاف‌پذیری و دقت بیشتری در پیش‌بینی و روندیابی سیلاب در رودخانه کارون برخوردار می‌باشد.
  پرونده مقاله