مقایسه شبکه عصبی مصنوعی و سیستم عصبی- فازی در برآورد بارش-رواناب در حوضه آبخیز سد زایندهرود

در دهه‌های اخیر به دلایل مختلف مانند افزایش آمار وقوع سیلاب و به تبع آن افزایش خسارات جانی و مالی، افزایش نیاز به تولید انرژی برقابی، افزایش نیاز به پیش‌بینی پتانسیل آبدهی حوزه‌های آبخیز به منظور تعیین مازاد رواناب تولید شده در حوضه از ظرفیت رودخانه برای تدوین طرح‌های مختلف آبرسانی شهری، صنعتی و کشاورزی و طراحی سازه‌های مختلف آبی و غیره، تمایل محققین و هیدرولوژیستها برای پیش‌بینی صحیح، دقیق و به موقع رواناب‌های ناشی از بارندگی، به میزان قابل توجهی افزایش یافته است. روشهای بی‌شماری برای این منظور توسعه یافته‌اند که از این میان، می‌توان به مدل‌های هیدرولوژیکی، روابط رگرسیونی و توابع انتقال اشاره کرد. اما دهه‌های اخیر مطالعات بیشتر به سوی روش‌هایی متمایل شده‌اند که بتوانند شرایط طبیعی را تا حدودی درک کنند و نتایج حاصل از آنها از دقت و صحت مناسب برخوردار باشند. یکی از روش‌هایی که در چند دهه اخیر در بسیاری از رشته‌ها از جمله هیدرولوژی توسعه یافته است، استفاده از روشهای هوش مصنوعی نظیر منطق فازی، شبکه‌های عصبی مصنوعی می‌باشد. با توجه به اینکه در کشور ما نیز در دهه‌های اخیر نیاز به پیش‌بینی دقیق و سریع رواناب از روی آمار بارندگی به علت افزایش تعداد سیلاب‌ها و خسارات ناشی از آنها و نیاز به ایجاد سیستم هشدار سیل، افزایش تمایل به احداث سازه‌های آبی، افزایش خشک‌سالی‌ها و نیاز به مدیریت توزیع آب موجود و غیره، به شدت افزایش یافته است، توسعه و اجرای روش‌های مناسب برای پیش‌بینی رواناب از روی داده‌های بارش بسیار ضروری به نظر می‌رسد. در این مطالعه ابتدا با استفاده از آمار روزانه بارش-رواناب، به بررسی کارآیی شبکه عصبی مصنوعی و سیستم عصبی-فازی در تخمین رواناب حاصل از بارش پرداخته شد و سپس میزان دقت و صحت این دو روش با بهره‌گیری از روش‌های آماری، مقایسه شد. نتایج حاصل از این مطالعه نشان می‌دهد که اگرچه خروجی‌های حاصل از شبکه عصبی مصنوعی و سیستم فازی-عصبی متفاوت می‌باشند ولی این دو روش به میزان قابل قبولی قادر به تخمین رواناب حاصل از بارش هستند.

Keywords:

شبکه عصبی مصنوعی , سیستم عصبی-فازی , بارش-رواناب