ابوالحسن فتح آبادی - University of Tehran
علی سلاجقه - University of Tehran
محمد مهدوی - University of Tehran

شبیه­سازی جریان رودخانه به منظور آگاهی از آورد رودخانه در دوره­های زمانی آینده از مسائل مهم و کاربردی در مدیریت منابع آب می­باشد. در این پژوهش با استفاده از روش­های هوش مصنوعی (شبکه عصبی MLP , ANFIS با تفکیک شبکه­ای و خوشه­ای) و سری­های زمانی دبی ماهانه طالقانرود در محل ایستگاه گلینک در یک گام زمانی آینده پیش­بینی گردید. برای مدل­های مختلف ۲ ورودی متفاوت شامل: ۱- مقادیر داده­های دبی بدون حذف روندهای فصلی ۲- مقادیر داده دبی پس از حذف روندهای فصلی در نظر گرفته شد. برای سری­های زمانی مدل ARIMA(۳,۰,۰)(۰,۱,۱) به عنوان مدل مناسب انتخاب گردید. در روش­های هوش مصنوعی پس از پیش پردازش ساختار بهینه مدل با استفاده از داده­های ورودی و خروجی و به روش سعی و خطا تعیین و سپس اقدام به پیش بینی دبی گردید. پس از اینکه خروجی هر یک از مدل­های تکی بدست آمد اقدام به ساخت مدل­های ترکیبی گردید. در این پژوهش بهترین عملکرد را مدل­های ترکیبی ۲ و ۳ داشته بعد از این مدل­ها, مدل­های سری­های زمانی عملکرد بهتری نسبت به مدل­های شبکه عصبی و ANFIS با تفکیک خوشه­ای و شبکه­ای داشته اند.

Time Serie, ANFIS, River Discharge, Artifitial Neural Network and Taleghan River., سری های زمانی، ANFIS، شبکه عصبی، طالقانرود