شبيه سازي بارش ماهانه با استفاده از محاسبات نرم

برآورد دقيق از بارش يك مسئله مهم در مهندسي، مديريت و برنامه ريزي منابع آب مي باشد. در اين پژوهش به منظور شبيه سازي بلند مدت بارش بدون داده هاي اقليمي از مدل هاي شبكه عصبي مصنوعي (ANN) و سيستم فازي عصبي تطبيقي (ANFIS) استفاده شد. براي پيش بيني بلند مدت بارش ماهانه، داده هاي 14 ايستگاه در استان خوزستان انتخاب گرديد كه ضريب فصلي (شماره ماه)، عرض جغرافيايي، طول جغرافيايي و ارتفاع ايستگاه ها به عنوان ورودي به مدلها معرفي شدند. حداقل مقدار مجذور ميانگين مربعات خطا و حداكثر مقادير ضريب تبيين مدل شبكه عصبي مصنوعي براي ايستگاه رامهرمز و براي مدلهاي فازي- عصبي از نوع افراز شبكه و فازي عصبي از نوع دسته بندي تفريقي در ايستگاه اميديه مشاهده شد كه كمترين مقادير RMSE براي مدل ANN ايستگاه رامهرمز 0/4245 و براي مدل هاي ANFIS-GP و ANFIS-SC ايستگاه اميديه به ترتيب 1/1699 و 0/4105 به دست آمد. همچنين مقادير R2 براي مدل ANN ايستگاه رامهرمز 0/9750 و براي مدل هاي ANFIS-GP و ANFIS-SC ايستگاه اميديه به ترتيب 0/9548 و 0/9896 مي باشد. همچنين مقايسه شبكه هاي عصبي مصنوعي و سيستم فازي -عصبي تطبيقي نيز نشان داد كه روش شبكه عصبي مصنوعي داراي معيارهاي ارزيابي مناسب تري نسبت به سيستم فازي -عصبي تطبيقي مي باشد.