امیر پورحقی - دانشکده مهندسی علوم آب
اباذر سلگی - ، دانشکده مهندسی علوم آب، دانشگاه شهید چمران اهواز
فریدون رادمنش - اهواز، دانشیار گروه هیدرولوژی و منابع آب، دانشکده مهندسی علوم آب، دانشگاه شهید چمران اهواز.
مهرنوش شهنی دارابی

چکیده بی­شک اولین قدم برای مدیریت منابع آب پیش بینی و برآورد جریان رودخانه ها است. در این مطالعه به منظور پیش بینی سری زمانی جریان روزانه و ماهانه ایستگاه های کاکارضا و سراب صیدعلی، مدل های شبکه عصبی مصنوعی و سیستم استتتاج فازی عصبی تطبیقی استفاده شده است. به منظور بهبود نتایج شبیه سازی از آنالیز موجک به عنوان مدل ترکیبی استفاده شد. برای این هدف، سری زمانی جریان و بارش به مدت 12 سال (1392-1380) به وسیله تبدیل موجک به زیر سری های فرکانسی تجزیه شد، سپس این زیرسری ها به عنوان داده های ورودی به مدل های شبکه عصبی مصنوعی و سیستم استتتاج فازی عصبی تطبیقی وارد شد. نتایج بدست آمده حاکی از آن بود که سیستم استتتاج فازی عصبی تطبیقی با میزان خطای کمتر و ضریب همبستگی بیشتر نسبت به روش شبکه عصبی مصنوعی از دقت بالاتری برخوردار است و اعمال تبدیل موجک روی داده های اصلی جریان و بارش باعث بهبود چشمگیر نتایج پیش بینی شد.

واژه های کلیدی: شبکه عصبی مصنوعی, سیستم استتتاج فازی عصبی تطبیقی, تبدیل موجک, بارش-رواناب