كارايي شبكه‌هاي عصبي مصنوعي و سيستم استنتاج عصبي- فازي تطبيقي در مدل‌سازي بارش- رواناب در حوضه آبخيز سد زاينده‌رود

Evaluation of the Application of Artificial Neural Networks and Adaptive Neuro-Fuzzy Inference Systems for Rainfall-Runoff Modelling in Zayandeh_rood Dam Basin

در دهه‌هاي اخير به‌دليل اهميت يافتن مسيله آب و همينطور افزايش تمايل به محاسبه مقدار رواناب حاصل از بارش، توسعه و اجراي روشهاي مناسب براي پيش‌بيني رواناب از روي داده‌هاي بارش به مسيله‌اي ضروري تبديل شده است. يكي از اين روشها كه در بسياري از رشته‌ها از جمله هيدرولوژي توسعه يافته است، استفاده از روشهاي محاسبات نرم نظير منطق فازي و شبكه‌هاي عصبي مصنوعي است. در اين تحقيق سعي گرديد كارايي شبكه عصبي مصنوعي و سيستم استنتاج عصبي- فازي تطبيقي به‌منظور برآورد بارش- رواناب در حوضه سد زاينده‌رود، مورد ارزيابي قرار گيرد. به‌اين‌منظور ابتدا با بهره‌گيري از نرم‌افزار Wingamma داده‌ها و پارامترهاي موجود مورد بررسي و تجزيه و تحليل قرار گرفت و پارامترهاي ورودي مناسب به‌علاوه تعداد مناسب داده براي آموزش شبكه، تعيين گرديد. سپس با استفاده از آمار روزانه بارش- رواناب، كارايي شبكه عصبي مصنوعي و سيستم عصبي- فازي در تخمين رواناب حاصل از بارش مورد بررسي قرار گرفت. در ادامه ميزان دقت و صحت اين دو روش با بهره‌گيري از روشهاي آماري، مقايسه شد. نتايج حاصل از اين مطالعه نشان داد كه شبكه عصبي مصنوعي و سيستم فازي- عصبي در شرايط مختلف و با تركيبهاي مختلف پارامترهاي ورودي، نتايج متفاوتي از خود نشان مي‌دهند ولي در كل اين دو روش به‌ميزان قابل قبولي قادر به تخمين رواناب حاصل از بارش با به‌كارگيري پارامترهاي ورودي مناسب و استفاده از ساختارهاي مناسب شبكه عصبي مصنوعي و شبكه عصبي- فازي، هستند.

During recent few decades, due to the importance of the availability of water, and therefore the necesity of predicting run off resulted from rain fall there has been an increase in developing and implementation of new suitable method for prediction of run off using precipitation data. One of these approaches that have been developed in several areas of sciences including water related fields, is soft computing techniques such as artificial neural networks and fuzzy logic systems. This research was designed to evaluate the applicability of artificial neural network and adaptive neuro –fuzzy inference system to model rainfall-runoff process in Zayandeh_rood dam basin. It must be mentioned that, data have been analysed using Wingamma software, to select appropriate type and number of training input data before they can be used in the models. Then, it has been tried to evaluated applicability of artificial neural networks and neuro-fuzzy techniques to predict runoffgenerated from daily rainfall. Finally, the accuracy of the results produced by these methods has been compared using statistical criterion. Results taken from this research show that artificial neural networks and neuro-fuzzy technique presented different outputs in different conditions in terms of type and number of inputs variables, but both method have been able to produce acceptable results when suitable input variables and network structures are used.