ارزیابی شبکه عصبی مصنوعی در برآورد بارش- رواناب (مطالعه موردی رودخانه کرج)

پیش بینی رابطه بارندگی- رواناب یکی از مهمترین و پیچیده ترین مولفهها در کنترل و مدیریت سیستمهای منابع آب برای مدیران و مهندسین آب به شمار میآید و با توجه به طیف گستردهای از تکنیکهای مدلسازی بارش- رواناب به یک کار چالش برانگیز تبدیل شده است. با توجه به پیچیدگی پیشبینی رابطه بارش- رواناب و همچنین غیر خطی بودن این رابطه محققان به استفاده از مدل جعبه سیاه، شبکه عصبی مصنوعی روی آوردند. در تحقیق حاضر نیز اقدام به استفاده از شبکههای عصبی مصنوعیANN و فازی عصبی تطبیقیANFIS برای پیشبینی بارش- رواناب به صورت ماهانه درحوزه آبریز کرج گردید، برای این مدلسازی از چهار الگوی مختلف ورودی بارش و دما استفاده گردید و همچنین ازمعیارهای ضریب همبستگی R2 و مجذور میانگین مربعات خطاRMSEبه منظور ارزیابی و مقایسه عملکرد شبکه عصبی با مدل استنتاج عصبی فازیANFISاستفاده گردید. بررسی حالت های مختلف نشان داد که مدلANFIS با تابع گوسی و الگوی ورودی بارش، بارش با یک تاخیر زمانی، دما، دما با یک تاخیر زمانی نسبت به مدل شبکه عصبی دارا ی بهترینR2 و کمترینRMSEاست و میتوان از این مدل به علت همبستگی بالایی که مقادیر مشاهداتی و مقادیر پیش بینی شده دارد به عنوان جایگزینی برای مدل شبکه عصبی و روشهای مدلسازی بارش- رواناب سنتی یاد کرد که با نتایج پژوهشهای دیگر نیز سازگاری دارد.

Keywords:

بارش- رواناب , شبکه عصبیANN , شبکه استنتاج فازی- عصبی , مدل پس انتشار خطا , حوزه آبریز کرج