تاثير عوامل مختلف بر دقت پيش بيني دبي با سيستم استتنتاج عصبي-فازي تطبيقي

شبيه‎سازي جريان رودخانه به منظور آگاهي از دبي رودخانه در دوره هاي زماني آينده از مسائل مهم و كاربردي است. با توجه به اهميت اطلاع از دبي جريان در سالهاي آينده، محققين به دنبال توسعه روشهايي هستند كه بتوانند دقت پيش‌بيني ها را افزايش دهند. روشهاي هوش مصنوعي از جمله سيستم استتنتاجي عصبي-فازي تطبيقي از جمله اين روشها مي باشد. اما عوامل متعددي در دقت پيش بيني با اين روشها موثرند كه به دليل نبود معيار خاصي براي انتخاب، بايد با سعي و خطا بهترين حالت پيش بيني انتخاب گردد. از اين رود ر اين تحقيق به منظور پيش بيني جريان رودخانه سيمينه رود از روش شبكه هاي عصبي-فازي استفاده شده و عوامل دخيل در دقت اين روش مورد بررسي قرار گرفته است. سري زماني جريان ماهانه رودخانه براي دوره 1378 تا 1393 براي ايستگاه هيدرومتري پل مياندوآب مورد استفاده واقع شد. جهت بدست آوردن بهترين پارامترهاي ورودي از تحليل رگرسيوني استفاده شد. كارايي مدل ها با استفاده از معيار ضريب همبستگي بررسي شد. در مورد شبكه هاي عصبي-فازي دو عامل تعداد دور آموزشي و نوع تابع عضويت مورد بررسي قرار گرفت. بر اساس نتايج ضرايب همبستگي مشخص شد كه تغيير تابع عضويت بسيار بيشتر از تغيير دور آموزش در دقت موثر مي باشد.