شبیه سازی فرایند بارش- رواناب با استفاده از شبکة عصبی- مصنوعی و سیستم فازی عصبی تطبیقی و رگرسیون چندمتغیره (مطالعة موردی: حوضة آبخیز خرم آباد)
Abstract
مقدار دبی یا رواناب خروجی از یک حوضة آبخیز از اهمیت زیادی برخوردار است؛ زیرا کمبود آن ممکن است موجب خسارات مالی و مازاد آن به صورت سیلاب ممکن است موجب خسارات جانی و مالی شود. در این پژوهش با استفاده از شبکة عصبی مصنوعی پرسپترون چندلایه (mlp) و مدل فازی عصبی تطبیقی (anfis) و روش رگرسیون چندمتغیره، فرایند بارش- رواناب به صورت روزانه در حوضة آبخیز خرم آباد شبیه سازی شد. برای ورودی ها از ترکیب های مختلف از ورودی های بارندگی همان روز، یک روز قبل و دو روز قبل استفاده شد. تابع عضویت ورودی های مدل anfis استفاده شده در این مطالعه، ذوزنقهای، مثلثی، گوسی و گوسی نوع 2 است. مدل mlp بهکار رفته با یک لایة پنهان و تعداد نورون های متغیر ارزیابی شد. نتایج نشان داد که مدل عصبی فازی تطبیقی (anfis) عملکرد بهتری از شبکة عصبی مصنوعی پرسپترون چندلایه (mlp) و مدل رگرسیون چندمتغیره دارد. همچنین با افزایش تعداد ورودی ها و دخالت دادن بارندگی یک و دو روز قبل، عملکرد هر سه مدل بهتر می شود.