کاربرد مدل های مبتنی برهوش مصنوعی در مدل سازی بارش رواناب روزانه با گام های زمانی مختلف

مدل سازی دقیق فرآیندهای هیدرولوژیکی از قبیل بارش – رواناب می تواند اطلاعات مهمی از یک حوضه آبریز برای برنامه ریزی شهری و محیط زیست، کاربری اراضی، مدیریت منابع آب و سیلاب فراهم کند. اخیرا در این راستا، مدل های مختلف جعبه سیه برای شبیه سازی چنین پدیده پیچیده ای به کار رفته اند که در این مقاله شبیه سازی فرآیند بارش رواناب روزانه با گام های زمانی مختلف در ایستگاه پل آنیان واقع در حوضه آبریز سد بوکان با استفاده از مدل های غیرخطی شبکه عصبی و سیستم استنتاج عصبی فازی تطبیقی انجام شده است. مقایسه مدل های مختلف با استفاده از دو پارامتر آماری ضریب تبیین و جذر میانگین مربعات خطا انجام شده که بهترین مدل برای ایستگاه مورد مطالعه مدل سازی با روش شبکه عصبی فازی تطبیقی می باشد که این نتیجه بیانگر این است که تلفیق مدل سازی غیرخطی در شبکه عصبی با توابع عضویت منطق فازی تا حدود بیشتری قادر به مدل کردن شرایط عیدرولوژیکی حوضه می باشد.

Keywords:

بارش رواناب , مدل سازی با گام های زمانی مختلف , مدل های هوش مصنوعی , ضریب تبیین , پل آنیان