شبیه سازی بارش ماهانه با استفاده از محاسبات نرم

برآورد دقیق از بارش یک مسئله مهم در مهندسی، مدیریت و برنامه ریزی منابع آب می باشد. در این پژوهش به منظور شبیه سازی بلند مدت بارشبدون داده های اقلیمی از مدل های شبکه عصبی مصنوعی (ANN) و سیستم فازی عصبی تطبیقی (ANFIS) استفاده شد. برای پیش بینی بلند مدت بارش ماهانه، داده های 14 ایستگاه در استان خوزستان انتخاب گردید که ضریب فصلی (شماره ماه)، عرض جغرافیایی، طول جغرافیایی و ارتفاع ایستگاه ها به عنوان ورودی به مدلها معرفی شدند. حداقل مقدار مجذور میانگین مربعات خطا و حداکثر مقادیر ضریب تبیین مدل شبکه عصبی مصنوعی برای ایستگاه رامهرمز و برای مدلهای فازی- عصبی از نوع افراز شبکه و فازی عصبی از نوع دسته بندی تفریقی در ایستگاه امیدیه مشاهده شد که کمترین مقادیر RMSE برای مدل ANN ایستگاه رامهرمز 0/4245 و برای مدل های ANFIS-GP و ANFIS-SC ایستگاه امیدیه به ترتیب 1/1699 و 0/4105 به دست آمد. همچنین مقادیر R2 برای مدل ANN ایستگاه رامهرمز 0/9750 و برای مدل های ANFIS-GP و ANFIS-SC ایستگاه امیدیه به ترتیب 0/9548 و 0/9896 می باشد. همچنین مقایسه شبکه های عصبی مصنوعی و سیستم فازی -عصبی تطبیقی نیز نشان داد که روش شبکه عصبی مصنوعی دارای معیارهای ارزیابی مناسبتری نسبت به سیستم فازی -عصبی تطبیقی می باشد.

Keywords:

مدل سازی شبکه عصبی مصنوعی , سیستم فازی- عصبی تطبیقی , بارش , خوزستان