شبیه سازی فرآیند بارش- رواناب با استفاده از شبکه عصبی مصنوعی و سیستم فازی- عصبی تطبیقی (مطالعه موردی: حوزه آبخیز حاجی قوشان)
Abstract
پیشبینی رواناب به صورت کوتاه مدت به دلیل رابطه مستقیم آن با چگونگی تعامل مدیران با خطرات جانی ناشی از سیلابها، از اهمیت خاصی برخوردار است. در این تحقیق با استفاده از شبکههای عصبی مصنوعی ( ann ) و فازی عصبی تطبیقی ( anfis )، اقدام به شبیهسازی فرآیند بارش- رواناب به صورت روزانه، در حوزه آبخیز حاجیقوشان شده است. در این سیستمها سه ترکیب مختلف ورودی شامل بارندگی همان روز، بارندگی همان روز و روز قبل، بارندگی همان روز و روز قبل و دو روز قبل از آن، مورد استفاده قرار گرفت. هم چنین در شبکه anfis از توابع مختلف گوسی، گوسی نوع 2، مثلثی و زنگولهای استفاده شد و تعداد نرونهای لایه مخفی در شبکه عصبی بین 2 تا 10 نرون متغیر بود. معیارهای آماری متوسط ریشه مربع خطا ( rmse )، متوسط قدر مطلق خطا ( mae ) و ضریب همبستگی ( r ) برای ارزیابی و مقایسه عملکرد شبکههای عصبی مصنوعی و مدل anfis در پیشبینی رواناب، مورد استفاده قرار گرفت. مدل anfis با 11/7 rmse= ، 18/2 mae= و 60/0 r= نسبت به مدل ann با 03/6 rmse= ، 97/1 mae= و 39/0 r= ، فرآیند بارش- رواناب را با دقت بالاتری پیشبینی نموده است.