مدل سازی بارش- رواناب با استفاده از شبکه عصبی مصنوعی و شبکه فازی- عصبی تطبیقی در حوزه آبخیز کسیلیان

     مدل­سازی فرآیند بارش - رواناب و پیش­بینی دبی رودخانه یک اقدام مهم در مدیریت و مهار سیلاب­ها، طراحی سازه­های آبی در حوزه­های آبخیز و مدیریت خشکسالی است. هدف این تحقیق شبیه­سازی جریان روزانه در حوزه آبخیز کسیلیان با استفاده از شبکه عصبی مصنوعی و شبکه عصبی- فازی تطبیقی است. روش­های هوشمند دارای قابلیت بالایی برای برقراری ارتباط بین داده­های ورودی و خروجی می­باشند. در این تحقیق از آمار بارش، تبخیر و دما ایستگاه هواشناسی سنگده که ورودی مدل­ها و آمار دبی ایستگاه ولیک­بن که خروجی مدل­ها محسوب می­شود طی سال­های ۱۳۸۲ تا ۱۳۸۸ استفاده شد. تعداد تاخیرهای لازم برای ورود متغیر­های ورودی به شبکه­ها با استفاده از نمودار خودهمبستگی جزئی به دست آمد. از بین متغیرهای مختلف در هر دو مدل ساختار بارش و تبخیر با یک روز تاخیر برای مدل بهینه انتخاب شد. سپس نتایج با استفاده از نمایه­هایRMSE ، NSH،MAE  و Rmod برای مدل بهینه در هر دو مدل ارزیابی گردید. نتایج نشان داد که شبکه عصبی- فازی تطبیقی با تابع عضویت زنگوله­ای شکل، شعاع تاثیر ۱۴/۰ و نمایه­های آماری ۸۰/۰ NSH=، ۰۵۶/۰ RMSE=، ۱۱/۰ MAE= و ۸۱/۰ Rmod= نسبت به مدل شبکه عصبی مصنوعی با همان ساختار با الگوریتم آموزشی لونبرگ- مارکوارت، تابع انتقال سیگمویید،۱۴ نرون در لایه مخفی و نمایه­های آماری ۵۴/۰ NSH=، ۰۵۶/۰ RMSE=، ۱۴/۰ MAE= و ۸۷/۰ Rmod= در دوره آزمون توانایی بهتری برای مدل­سازی بارش - رواناب در حوزه آبخیز کسیلیان دارد.

Keywords:

ANN , ANFIS , Kasilian Watershed , Rainfall-Runoff Modeling , مدلسازی بارش- رواناب , حوزه آبخیز کسیلیان , شبکه عصبی مصنوعی , شبکه عصبی- فازی تطبیقی