مقايسه روشهاي استنتاج تطبيقي عصبي فازي و برنامه ريزي ژنتيك در پيش بيني جريان رودخانه ( مطالعه موردي رودخانه زنگمار ماكو)

افزایش سرانه مصرف آب از یك سو و تغییرات بارز اقلیمی از سوی دیگر، سایه سنگین مشكلات آب را در آیندهای نه چندان دور نمایان میسازد. پیش بینی جریان رودخانهها به لحاظ اهمیت فراوانی كه در بهرهبرداری از مخازن آب، طراحی سازههای آبی، كنترل فرسایش و رسوب رودخانهها و سایر موارد دارد، از دیرباز مورد تحقیق و بررسی مهندسان علوم آب و هیدرولیك قرار گرفته است. در دهههای اخیر روشهای متعدد مبتنی بر هوش مصنوعی نظیر شبكههای عصبی مصنوعی، منطق فازی، عصبی فازی، برنامهریزی ژنتیك و ... در پیش بینی و مدلسازیهای پارامترهای گوناگون در مهندسی آب گسترش فراوان یافته است. در این تحقیق از دادههای دبی روزانه رودخانه زنگمار ماكو در استان آذربایجان غربی به منظور مدلسازی با دو روش هوش مصنوعی استنتاج تطبیقی عصبی فازی و برنامهریزی ژنتیك استفاده گردید. درحالیكه نتایج شاخصهای آماری - RMSE ، MBE و R2 نشان میدهد كه هر دو روش برنامهریزی ژنتیك و روش استنتاج تطبیقی عصبی فازی از دقت قابل - قبولی برخوردارند، برتری نسبی برنامهریزی ژنتیك مشهود است. برنامهریزی ژنتیك در پیش بینی جریان معادلاتی را برای هر سناریو ارائه میدهد كه میتوان آنها را در آینده با استفاده از دادههای روزانه ثبت شده كاربردی نمود، لذا این مطلب نشان از برتری این روش نسبت به روش استنتاج تطبیقی عصبی فازی میباشد. -