توسعه مدل فازی-عصبی تطبیقی به منظور پیش بینی دبی بیشینه روزانه سیلاب با استفاده از بارش تراکمی پنج روزه

در فرایند بارش رواناب، عوامل بسیاری دخالت دارند که با عدم قطعیت همراه هستند. یکی از فاکتورهای بسیار مهم در این فرایند، رطوبت اشباع پیشین خاک است. یکی از روش هایی که به این پارامتر توجه دارد، روش ارایه شده توسط سازمان حفاظت خاک آمریکا به نام شماره منحنی است. در این روش، مجموع بارش های پنج روز پیش از رخداد دبی اوج سیل، به عنوان نماینده شرایط رطوبتی پیشین خاک در نظر گرفته می شود. با توجه به این که پدیدههای طبیعی به دلیل دخالت تعداد زیادی از عوامل و پارامترها با عدم قطعیت همراه هستند، یکی از ابزارهای کارآمد در بررسی رفتار این پدیده ها، مدلهای هوشمند فازی - عصبی تطبیقی هستند. از این رو در این پژوهش به بررسی اثر مجموع بارش های پنج روزه در پیش بینی دبی بیشینه روزانه سیلاب با استفاده از مدلهای انفیسی پرداخته شد. مدل مذکور با دو الگوریتم آموزشی پس انتشار و هیبرید آموزش دیده شد و سپس با استفاده از آزمون های آماری مختلف مورد بررسی قرار گرفت. نتایج، کارامدی مدل انفیس به دست آمده را در بررسی ورودی بارش پنج روزه و خروجی دبی اوج سیل نشان داد. همچنین نتایج حاصل از روش هیبرید، عملکرد بهتری را نشان دادند. بهترین ضریب همبستگی برای مدل 5 روزه و به میزان 0/985 و ریشه میانگین مربعات خطا 0/162 در روش هیبرید بود.

Keywords:

انفیس , پس انتشار , هیبرید , شماره منحنی , رواناب , بیشترین دبی روزانه