بررسي كارايي روش هاي عصبي - فازي CANFIS و رگرسيون گام به گام در مدل سازي بارش - رواناب حوضه ناورود

به منظور مدیریت مناسب یك حوضه آبخیز ، شناخت ساختار ، عملكرد و ارتباطات آن ضروری است.مهم ترین بخش از این شناخت مربوط به شناسایی ارتباطات ورودی ها و خروجی ها و نحوه عملكرد آن ها و ارائه مدلی جهت معرفی بارش و رواناب حوضه است. رابطه بارندگی رواناب، یكی از پیچیده ترین فرآیند های هیدرولوژیكی است كه درك آن از اهمیت زیادی در برنامه ریزی و مدیریت بهینه منابع آب و مهار سیلاب برخوردار است. نتایج مدل های رگرسیونی برای بررسی این پدیده غالباً با خطا همراه است. امروزه سیستم های عصبی – فازی با توجه به توانایی در حل پدیده های غیر خطی و پیچیده،كاربردهای فراوانی در مسائل مختلف مهندسی آب از جمله هیدرولوژی و مدل سازی بارش -رواناب پیدا كرده اند. در این تحقیق، كارایی مدل های نروفازی (CANFIS) و رگرسیونی جهت شبیه سازی فرآیند بارش –رواناب در حوضه آبخیز ناورود واقع در استان گیلان مورد بررسی قرار گرفته است. به این منظور از سه پارامتر بارش، دما و رواناب روزانه استفاده شده است و اثرات هر یك از این عوامل در كارایی شبكه، مورد بررسی قرار گرفت. همراهی سه عامل بارش و دما در روز جاری و رواناب در روز قبل در ماتریس ورودی بهترین نتیجه را در پی داشته است. در نهایت نتایج نشان داد كه مدل نروفازی كارایی بالاتری نسبت به مدل رگرسیونی دارد.