مقایسه عملکرد مدل های شبکه عصبی و فازی در تعیین دبی ماهانه جریان با استفاده از آمار کوتاه مدت.

بهره برداری بهینه از سیستم­های منابع آب و به خصوص تعیین زمان واقعی کارکرد مخازن سدها، مستلزم پیش بینی آورد رودخانه هاست. در این مقاله عملکرد مدل های منطق فازی (FL) و شبکه عصبی مصنوعی (ANN) برای پیش بینی یک و دو ماه بعد جریان حوضه کارون در محل ایستگاه هیدرومتری پل­شالو با هم مقایسه شده است. در این راستا از سیستم استنتاجی ممدانی برای ساخت مدل های FL و همچنین شبکه­های پیشرو سه لایه برای مدل سازی توسط ANN استفاده گردید. بررسی عملکرد این مدل ها با شاخص های ضریب تبیین(R۲)، میانگین قدر مطلق خطا (MAE) و ریشه میانگین مربعات خطا (RMSE) نشان داد که در شرایط کم بودن داده ها، مدل FL نسبت به مدل ANN در پیش بینی یک و دو ماه بعد جریان از نظر آماری عملکرد بهتری داشته است. این عملکرد بهتر به طور متوسط مقادیری برابر ۲۵% و ۷% را به ترتیب برای R۲ و RMSE در پیش­بینی جریان اسفند ماه به همراه داشته است. نتایج بدست آمده از این دو مدل با مدل رگرسیون خطی چندگانه (MLR) نیز مقایسه گردید که عدم عملکرد مناسب آن را نشان می داد.

Keywords:

پیش بینی جریان , منطق فازی , شبکه عصبی مصنوعی , رگرسیون خطی چندگانه