کمال قادری - کاندیدای دکتری علوم و مهندسی آبخیزداری دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران
بهارک معتمدوزیری - استادیار گروه علوم و مهندسی آبخیزداری دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران
پروانه محمودی - دانشجوی دکتری علوم و مهندسی آبخیزداری دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران

پیش بینی صحیح پدیده های هیدرولوژیک، مانند فرآیند بارش-رواناب میتواند اطلاعات موثری برای برنامه ریزی شهری، کاربری اراضی و مدیریت منابع آب حوزه آبخیز فراهم آورد که نقش مهمی در کاهش اثرات سیلاب و خشکسالی بر سیستمهای منابع آب دارد. هدف از این تحقیق بررسی کارایی مدل نروفازی در شبیه سازی فرآیند بارش-رواناب و شناسایی تاثیر رواناب به عنوان ورودی در کارایی مدل بوده است. نتایج نشان می دهد که مدل نروفازی با مقدار RMSE برابر 0096/0 ،مقدار ضریب کارایی ناش ساتکلیف برابر 7933/0 و ضریب همبستگی برابر 9135/0 ،با خطای کم و همبستگی دقت وکارایی بالا میتواند فرآیند بارش - رواناب را مدل سازی و پیش بینی کند. ترکیب هایی که رواناب را نیز به عنوان ورودی دارند نسبت به ترکیب هایی که فقط بارش را به عنوان ورودی لحاظ می کنند کارایی بیشتری داشتند. بهترین پیش بینی با ترکیب (بارش روز جاری، بارش روز قبل و دبی روز قبل) انجام می شود و در صورت نبود داده های دبی، ترکیب (بارش روز جاری و بارش روز قبل) نیز به طور قابل قبولی می تواند دبی خروجی را پیش بینی کند.

بارش - رواناب، مدل جعبه سیاه، هوش مصنوعی، ANFIS ،کورکورسر