ارزيابي كارائي استفاده از سيستم استنتاج تطبيقي عصبي- فازي و شبكه هاي عصبي مصنوعي در پيش بيني بارش موثر. مطالعه موردي: قائمشهر

با توجه به بحران آب موجود و صرف بيش از 49 درصد از آب كشور در بخش كشاورزی بهتر است علاوه بر مكانيزه نمودن سيستمهای آبياری، در برآورد نياز آبی واقعی گياه تجدید نظر شود. این امر با پيش بينی نزولات جوی در فصول رشد امكان پذیر است. در طراحی سيستمهای آبياری باید به این نكته توجه داشت كه كل بارندگی رخ داده برای گياه قابل استفاده نبوده و بخشی از بارندگی به رواناب و بخشی به اعماق خاك نفوذ كرده و تنها بخشی از آن كه باران موثر است قادر به رفع تنش آبی گياه بوده و در رشد آن تأثير گذار است. در این تحقيق از قابليت سيستم استنتاج تطبيقی عصبی- فازی ANFIS و شبكههای عصبی مصنوعی ANNs ، برای برآورد باران موثر در قائمشهر استفاده شد. به منظور ارزیابی كارایی مدلها، نتایج روش SCS با خروجی مدلهای مورد مطالعه مقایسه شد. نتایج نشان می دهد كه مقادیر R2 برای ANNs و ANFIS 0 و / به ترتيب برابر 444 0/4491 و مقادیر RMSE 0 ميلیمتر است. همچنين مدل / 0 و 39 / به ترتيب 050 ANNs علاوه بر دقت برآورد بالا، دارای پيچيدگیهای ساختاری كمتر و گستردگی بيشتر محدوده كاربرد، بر مدل ANFIS برتری دارد.