مدل سازي بارش- رواناب با استفاده از شبكه عصبي مصنوعي و شبكه فازي- عصبي تطبيقي در حوزه آبخيز كسيليان

مدل­سازي فرآيند بارش - رواناب و پيش­بيني دبي رودخانه يك اقدام مهم در مديريت و مهار سيلاب­ها، طراحي سازه­هاي آبي در حوزه­هاي آبخيز و مديريت خشكسالي است. هدف اين تحقيق شبيه­سازي جريان روزانه در حوزه آبخيز كسيليان با استفاده از شبكه عصبي مصنوعي و شبكه عصبي- فازي تطبيقي است. روش­هاي هوشمند داراي قابليت بالايي براي برقراري ارتباط بين داده­هاي ورودي و خروجي مي­باشند. در اين تحقيق از آمار بارش، تبخير و دما ايستگاه هواشناسي سنگده كه ورودي مدل­ها و آمار دبي ايستگاه وليك­بن كه خروجي مدل­ها محسوب مي­شود طي سال­هاي 1382 تا 1388 استفاده شد. تعداد تاخيرهاي لازم براي ورود متغير­هاي ورودي به شبكه­ها با استفاده از نمودار خودهمبستگي جزئي به دست آمد. از بين متغيرهاي مختلف در هر دو مدل ساختار بارش و تبخير با يك روز تاخير براي مدل بهينه انتخاب شد. سپس نتايج با استفاده از نمايه­هايRMSE ، NSH،MAE و Rmod براي مدل بهينه در هر دو مدل ارزيابي گرديد. نتايج نشان داد كه شبكه عصبي- فازي تطبيقي با تابع عضويت زنگوله­اي شكل، شعاع تاثير 14/0 و نمايه­هاي آماري 80/0 NSH=، 056/0 RMSE=، 11/0 MAE= و 81/0 Rmod= نسبت به مدل شبكه عصبي مصنوعي با همان ساختار با الگوريتم آموزشي لونبرگ- ماركوارت، تابع انتقال سيگموييد،14 نرون در لايه مخفي و نمايه­هاي آماري 54/0 NSH=، 056/0 RMSE=، 14/0 MAE= و 87/0 Rmod= در دوره آزمون توانايي بهتري براي مدل­سازي بارش - رواناب در حوزه آبخيز كسيليان دارد.