مدل سازي بارش-رواناب با سيستم استنتاج فازي-عصبي تطبيقي (ANFIS) و رگرسيون خطي چندمتغيره (MLR)

در اين پژوهش، كارآيي سيستم فازي-عصبي براي برآورد رواناب ناحيه كوهستاني حوضه هراز مورد ارزيابي قرار گرفت. هدف ايجاد مدلي با توابع و درجه عضويت مناسب است كه بتواند رابطه بارندگي -رواناب را در يك حوضه به درستي برقرار كند. بدين منظور براي پيش بيني رواناب، 44 تركيب مختلف از پارامترهاي بارندگي، دما، تبخير، دبي جريان و شاخص بارش پيشين با تأخير زماني بين آنها به صورت روزانه طي دوره 32 سال آماري وارد مدل ANFIS گرديد. از بين تركيبات مختلف ورودي، ساختار بارندگي و دماي متوسط روز جاري، شاخص رطوبتي و دبي يك روز قبل به عنوان مدل مناسب انتخاب شد. نتايج حاصل از آزمون آماري t test براي تعيين اختلاف معني داري نشان داد كه بين دو روش ANFIS و MLR اختلاف معني داري وجود ندارد. روش ANFIS با تابع عضويت مثلثي شكل درجه دو با معيارهاي آماري 2.67= RMSE، 4.16= VE، 0.98= R^2 و 0.97= EF نسبت به روش MLR با 2.83= RMSE، 4.55= VE، 0.94= R^2 و 0.92= EF در دوره آزمون، عملكرد بهتري در مدل سازي بارش رواناب ناحيه كوهستاني حوضه هراز دارد.