محمدتقی دستورانی - دانشیار ، دانشکده منابعط بیعی و کویر شناسی ، دانشگاه یزد
حامد شریفی دارانی - دانش آموخته کارشناسی ارشد آبخیزداری ، دانشگاه منابع طبیعی و کویرشناسی ، دانشگاه یزد
علی طالبی - استادیار، دانشکده منابع طبیعی و کویرشناسی ، دانشگاه یزد
علیرضا مقدم نیا - استادیار ، دانشکده منابع طبیعی ، دانشگاه زابل

در دهه ای اخیر به دلیل اهمیت یافتن مسئله آب و همینطور افزایش تمایل به محاسبه مقدار رواناب حاصل از بارش ، توسعه و اجرای روشهای مناسب برای پیش بینی رواناب از روی داده های بارش به مسئله ای ضروری تبدیل شده است . یکی از این روشها که در بسیاری از رشته ها از جمله هیدرولوژی توسعه یافته است ، استفاده از روشهای محاسبات نرم نظیر منطق فازی و شبکه های عصبی مصنوعی است . در این تحقیق سعی گردید کارایی شبکه عصبی مصنوعی و سیستم استنتاج عصبی - فازی تطبیقی به منظور برآورد بارش - رواناب در حوضه سد زاینده رود ، مورد ارزیابی قرار گیرد . به این منظور ابتدا با بهره گیری از نرم افزار wingamma داده ها و پارامترهای موجود مورد بررسی و تجزیه و تحلیل قرار گرفت و پارامترهای ورودی مناسب به علاوه تعداد مناسب داده برای آموزش شبکه ، تعیین گردید . سپس با استفاده از آمار روزانه بارش - رواناب ، کارایی شبکه عصبی مصنوعی و سیستم عصبی - فازی در تخمین رواناب حاصل از بارش مورد بررسی قرار گرفت . در ادامه میزان دقت و صحت این دو روش با بهره گیری از روشهای آماری ، مقایسه شد . نتایج حاصل از این مطالعه نشان داد که شبکه عصبی مصنوعی و سیستم فازی - عصبی در شرایط مختلف و با ترکیبهای مختلف پارامترهای ورودی ، نتایج متفاوتی از خود نشان می دهند ولی در کل این دو روش به میزان قابل قبولی قادر به تخمین رواناب حاصل از بارش با به کارگیری پارامترهای ورودی مناسب و استفاده از ساختارهای مناسب شبکه عصبی مصنوعی و شبکه عصبی - فازی ، هستند.

شبکه عصبی مصنوعی ، سیستم استنتاج عصبی - فازی تطبیقی ، بارش - رواناب ، حوضه آبخیز سد زاینده رود ، الگوریتم ژنتیک ، آزمون گاما