اسماعیل دودانگه - دانشجویان کارشناسی ارشد دانشگاه صنعتی اصفهان
محمد نظیف کار - دانشجویان کارشناسی ارشد دانشگاه صنعتی اصفهان
سعید سلطانی کوپایی - دانشیار گروه مهندسی مرتع و آبخیزداری، دانشکده منابع طبیعی، دانشگاه ص

در متن ایجاد مدل هیدرولوژیکی پیشبینی رواناب بر اساس دادههای گذشته، یکی از ضروریات برنامهریزی و مدیریت طرحهای ساماندهی رودخانه است. بدین منظور روش های نوین داده کاوی از جمله روش شبکه عصبی مصنوعی سیستم استنتاج عصبی-فازی و نیز روش استنتاج عصبی-فازی با پیش پردازش های SUBCLAST و FCMبه کار گرفته شد. دادههای ماهانه دبی در ایستگاه استور به عنوان داده های هدف و داده های ماهانه دبی در ایستگاههای بالادست و نیز دادههای ماهانه بارش در ایستگاه میانه به عنوان دادههای ورودی به سیستم در نظر گرفته شد . جهت ارزیابی عملکرد مدلها از جذر میانگین مربعات خطا، ضریب همبستگی و نیز میانگین بایاس استفاده گردید. نتایج نشان داد سیستم استنتاج فازی بر پایه شبکه عصبی مصنوعی نسبت به روش شبکه عصبی عملکرد بهتری داشته استهمچنین خوشهبندی پارامترهای ورودی با روشSUBCLAST بیشترین میزان کاهش خطا در پیش بینی رواناب را موجب شد

پیشبینی رواناب، ساماندهی رودخانه، سیستم استنتاج عصبی-فازی، شبکه عصبی مصنوعی، خوشهبندی