محمد ستوده پور - دانشجوی کارشناسی ارشد سازههای هیدرولیکی ، گروه مهندسی عمران ، دانشگاه آزاد اسلامی واحد لارستان ، لاستان ، ایران
مهرداد فریدونی - استادیار گروه مهندسی عمران ، دانشگاه آزاد اسلامی واحد لارستان ، لارستان ، ایران

جهت مدیریت مناسب در یک حوضه هیدرولیکی نیاز به شناخت کامل آن میباشد . میتوان گفت یکی از مهمترین بخشها از این شناخت مربوط به ارائه مدلی جهت معرفی تبخیر آن حوضه میباشد. در این تحقیق از شبکههای فازی عصبی تطبیقی که ابزاری - نیرومند برای شبیهسازی فرآیندهای غیر خطی است و همچنین از مدلهای آماری کلاسیک سریهای نایستا ARMA استفاده شده است. پتانسیل شبکه های فازی عصبی تطبیقی در مقایسه با مدلهای آماری برای پیش بینی سریهای زمانی - هیدروژئولوژیکی مورد ارزیابی قرار گرفته است. اغلب سعی بر این بوده است که از روش های ریاضی برای مدلسازی این پدیده استفاده شود که در مرحله واسنجی و آموزش یک مدل از تعدادی پارامترهای حوضه استفاده میشود که خود این پارامترها دقیق و بطور کامل قابل اطمینان نمیباشند. ریاضیات فازی با ارئه تابع عضویت بجای عدد مطلق برای پارامتر مذکور دقت عمل را در ارزش دهی دادهها بالا می برد. در این مقاله مدل تبخیر حوضه جم واقع در استان بوشهر با استفاده از روشهای سری زمانی و سیستم استنتاج عصبی فازی تطبیقی ارائه میشود و در نهایت مناسب ترین مدلهای سری زمانی و نروفازی از طریق معیارهای ارزیابی مورد نظر ما مشخص میشوند. معیار ارزیابی جهت انتخاب مدل برتر بین 2 مدل سری زمانی و شبکه های فازی عصبی تطبیقی، ضریب همبستگی r2 و مجذور میانگین مربعات خطا RMSE میباشد.. نتایج این تحقیق نشان میدهد که شبکههای فازی عصبی تطبیقی توانایی بالاتری را در شبیه سازی تبخیر در مقیاس ماهانه در دشت جم - دارد

تبخیر ، سری زمانی، شبکه فازی عصبی تطبیقی