مدل سازي رواناب با استفاده از شبكه عصبي مصنوعي فازي ANFIS و مقايسه عملكرد آن با روش هاي تجربي

از دیرباز معادله های متنوعی برای تعیین رواناب به منظور مدیریت منابع آب توسط پژوهش گران ارائه شده كه كاربرد گسترده ای در علوم هیدرولوژی دارند. خاصیت غیرخطی، عدم قطعیت ذاتی فرآیند بارش رواناب، نیاز به اطلاعات وسیع و پیچیده بودن مدل های فیزیكی از جمله دلایلی است كه باعث شده محققان به سمت روش هایی مانند شبكه های عصبی مصنوعی، سیستم های فازی و الگوریتم ژنتیك روی آورند. در پژوهش حاضر با بهره گیری از داده های مشاهده ای، كاربرد مدل های تجربی و شبكه فازی عصبی در برآورد رواناب بررسی شد. بدین منظور با استفاده از اطلاعات فیزیوگرافی و اقلیمی سه ایستگاه یاسوج، پاتاوه و دهنو واقع در حوزه رودخانه بشار در استان كهگیلویه و بویر احمد، مقادیر رواناب برآورد شده از مدل های تجربی و مدل فازی عصبی با مقادیر رواناب مشاهده شده مقایسه گردید. نتایج نشان داد مدل فازی عصبی از دقت مناسبی در برآورد رواناب برخوردار بوده و در مقایسه با روش های تجربی نیز نتایج بهتری ارائه می كند. همچنین در استفاده از سیستم فازی عصبی مشاهده شد كه مدل با تابع عضویت ورودی از نوع زنگوله ای و تابع عضویت خروجی خطی دارای نتیجه بهتری نسبت به سایر مدل سازی های انجام شده است. در میان روش های تجربی نیز روش انجمن كشاورزی هندوستان نسبت به دیگر روش های تجربی از دقت مناسب تری برخوردار بود.