شبيه‌سازي اثرات تغيير اقليم بر رواناب با استفاده از مدل‌هاي شبكه عصبي مصنوعي و سيستم استنتاج عصبي فازي تطبيقي (مطالعه موردي: حوضه آبريز طشك- بختگان)

در برنامه‌ريزي پروژه‌هاي منابع آب، برآورد ميزان دسترسي به آب نقش مهمي ايفا مي‌كند. اولين مرحله در برآورد در دسترس بودن آب، محاسبه رواناب در حوضه‌هاي آبريز است. از طرفي، تغيير اقليم به‌صورت مستقيم بر روي مؤلفه‌هاي هيدرولوژيكي و منابع آبي تأثيرگذار است؛ لذا بررسي اثرات تغيير اقليم بر مؤلفه‌هاي آبي همچون رواناب امري ضروري است. از اين رو در اين مطالعه وضعيت جريان ورودي به درياچه‌هاي طشك- بختگان به‌عنوان يكي از مهمترين درياچه‌هاي كشور مورد بررسي قرار گرفت. از آنجا كه فرآيند بارش- رواناب به دليل ماهيت غيرخطي و چند بعدي، مفهومي پيچيده است، تاكنون مدل‌هاي مفهومي و فيزيك- پايه مختلفي به منظور پيش‌بيني رواناب توسعه يافته است. وابستگي زياد اين مدل‌ها به پارامترها و نقشه‌هاي متعدد، عملاً كارايي آنها را در حوضه ‌هاي با آمار محدود با چالشي اساسي روبرو مي ‌نمايد. در مقابل، مدل‌هاي مبتني بر شبكه‌ عصبي مصنوعي و سيستم استنتاج فازي به عنوان ابزارهاي كاربردي درنظر گرفته مي‌شوند كه مي‌توانند در چنين شرايطي به هيدرولوژيست‌ها در فعاليت‌هاي عملياتي كمك كنند. در اين مطالعه مدل‌هاي شبكه عصبي انتشار به جلو FFBPNN و سيستم استنتاج عصبي فازي تطبيقي ANFIS و تلفيق آن با الگوريتم‌هاي فراابتكاري بهينه‌سازي ازدحام ذرات (PSO) و ژنتيك (GA) به منظور بررسي وضعيت رواناب در شرايط تاريخي و نيز تغيير اقليم تحت سناريوهاي RCP و SSP مورد بررسي قرار گرفته است. نتايج به‌دست‌آمده نشان مي‌دهد كه مدل‌هاي FFBPNN و ANFIS تلفيق شده با الگوريتم PSO (ANFIS_PSO) با استفاده از متغيرهاي بارش، دماي حداقل و دماي حداكثر به عنوان متغيرهاي ورودي، به ترتيب با مقادير ضريب همبستگي، ريشه ميانگين مربعات خطا (متر مكعب بر ثانيه)، ضريب نش- ساتكليف و كلينگ گوپتا (0/99، 2/07، 0/99 و 0/98 در دوره‌ آموزش و 0/94، 3/61، 0/91 و 0/88 در دوره‌ آزمون) و (0/98، 2/94، 0/97 و 0/98 در دوره‌ آموزش و 0/93، 3/87، 0/85 و 0/88 در دوره‌ آزمون) عملكرد بهتري نسبت به ساير مدل‎ها با ورودي‌هاي متفاوت داشته‌اند. نتايج اين تحقيق مي‌تواند براي بررسي اثرات اين سناريوها بر حوضه‌هاي مهم كشور و در نتيجه برنامه‌ريزي و مديريت منابع آب در شرايط تغيير اقليم مفيد باشد.