بررسي عملكرد شبكه‌‏هاي عصبي گازي در خوشه‌بندي هيدرولوژيك

طراحي بسياري از زيرساخت‌‏ها و پروژه‌‏هاي عمراني نيازمند مطالعات گسترده‏‌اي در زمينه شرايط جغرافيايي منطقه و ويژگي‏‌هاي اقليمي آن ناحيه مي‌‏باشد. كارايي اين پژوهش‌ها خود وابسته به اطلاعات و داده‏‌هاي موردنياز است. در بسياري از مواقع منطقه طرح در موقعيتي قرار دارد كه هيچ‌گونه اطلاعات اقليمي مانند بارش موجود نيست. از اين‌رو، تحليل فراواني منطقه‌‏اي بسيار موردتوجه قرار گرفته است. در اين شيوه با شرايط و ابزار خاصي اطلاعات موجود در نواحي ديگر قابل بسط و انتقال به ساير نواحي مي‏‌شود. در اين مسير خوشه‏‌بندي يكي از تأثيرگذارترين مراحل مي‏‌باشد كه منطقه و ايستگاه‌‏هاي موجود را به مناطق همگن هيدرولوژيك تقسيم مي‌‏نمايد. از اين‌رو، در اين پژوهش علاوه بر روش‏هاي رايج در خوشه‏‌بندي از دو مدل جديد شبكه عصبي گازي و شبكه عصبي گازي رشديابنده به‌منظور تعيين مناطق همگن در سطح استان خوزستان استفاده شد. يكي از ويژگي‌هاي منحصربه‌فرد اين الگوريتم‏‌ها يادگيري توپولوژي يا شكل توزيع حاكم بر فضاي داده‌ها مي‌باشد. با استفاده از متغيرهاي طول جغرافيايي، عرض جغرافيايي، ارتفاع، متوسط بارش سالانه و حداكثر بارش 24 ساعته سالانه ايستگاه، منطقه طرح به دو ناحيه همگن تقسيم و فرايند خوشه‏‌بندي انجام پذيرفت. نتايج نشان‏‌دهنده كارايي و دقت بالاي شبكه‌‏هاي عصبي گازي در مبحث خوشه‏‌بندي مي‌‏باشد. متوسط ميزان خطا و هم‌چنين ضريب تغييرات خطا در اين مدل به‌ترتيب 15.56 و 24.39 درصد برآورد شد كه نسبت به روش‏‌هاي معمول برتري قابل‌توجهي از خود نشان داد.