رحیم گرامی مقدم - دانشگاه آزاد اسلامی واحد شیراز

هدف تحقیق حاضر استفاده از ابزارهای نرم افزاری جهت مقایسه روشهای شبکه عصبی مصنوعی و نرو فازی در پیشبینی جریان رودخانه بشار می باشد. داده های اقلیمی ورودی به مدلهای هوشمند، شامل میانگین بارش، میانگین دما، کمینه و بیشینه دما ثبت شده درایستگاهها و میانگین آنها می باشد. به کمک نرم افزار Matlab شبیهسازی جریان رودخانه انجام شد. بیشترین دبیهای ثبت شده در سالهای مختلف در ایستگاه پاتاوه مشاهده شد و دبی سالانه در سایر ایستگاهها نوسانات مشابهای را از خود نشان دادند. میانگین بارش بامیانگین، بیشینه و کمینه دما در ارتباط معکوس بود. هر دو روش شبکه عصبی مصنوعی و نروفازی توانستند به خوبی جریان سالانه رودخانه در بازه زمانی 1831 تا 1831 را شبیه سازی کنند. هیدروگراف بدست آمده از روش نروفازی (ANFIS) انطباق بیشتری بر هیدروگراف واقعی نشان داد. نتایج پیش بینی سیستم فازی عصبی تطبیقی به ویژه در دبی های متوسط شاخه نزولی، سازگاری بالاتری با مقادیر مشاهده شده دارد، در صورتی که شبیه سازی شبکه عصبی نسبت به هیدروگراف واقعی جریان اندکی خطا داشته و کمتر برآورد شده است. البته نتایج صحت سنجی حاکی از عدم معنی دار بودن (P>.0.1) اختلاف میان مقادیر واقعی و برآورد شده بود. ضریب همبستگی ANN و ANFIS به ترتیب 983 /. و . 31 /. به دست آمد، و سیستم فازی عصبی به دلیل همبستگی بیشتر با مقادیر مشاهده شده ضریب بالاتر عملکرد بهتری نسبت به شبکه عصبی داشت. این نتایج نشان میدهد که خروجی ANFIS نسبت به خروجی ANN از دقت بیشتری برخوردار است . برتری محسوس روش نروفازی شبکه عصبی (MPL) را می توان در این امر دانست که این تکنیک، ترکیبی از دو مدل فازی و عصبی است، یعنی برای آموزش داده ها از شبکه عصبی استفاده کرده و با بهره گیری از یک تابع عضویت خاص و یک سری قوانین فازی، مدل ساخته میشود. در نتیجه مدل به خوبی قادر است مسئله پیچیده پیش بینی جریان رابرآورد نماید

عصبی مصنوعی، نرو فازی، پیشبینی، جریان سالانه، رودخانه بشار