سپیده خائیز - دانشجوی کارشناسی ارشد، مهندسی سازه های آبی، پردیس ابوریحان، دانشگاه تهران
جابر سلطانی - استادیار گروه آبیاری و زهکشی، پردیس ابوریحان، دانشگاه تهران
سامی قوردویی میلان - کارشناس ارشد، مهندسی منابع آب، پردیس ابوریحان، دانشگاه تهران

امروزه هر شبیه سازی شدت جریان رودخانه یک امر مهم در رابطه با مدیریت و مهار سیلاب ها، طراحی سازه های آبی مرتبط ، مدیریت و بهره برداری از مخازن سدها و مدیریت خشک سالی است. در این میان استفاده از مدل های یادگیری ماشین بدون نیاز به اطلاعات فیزیکی و زمین شناسی رودخانه ها امروزه به عنوان یک ابزار مفید در جهت شبیه سازی و پیش بینی جریان رودخانه استفاده می گردد. هدف از این مقاله شبیه سازی شدت جریان رودخانه با استفاده شبکه عصبی- فازی تطبیقی است. ارزیابی مدل مذکور بر روی یک محدوده مطالعاتی موردی رودخانه کارون انجام گردید. از داده های دبی ماه قبل، بارش، دما و تبخیر ماهانه به عنوان پارامترهای وردی در قالب الگوهایی مختلف استفاده گردید. نتایج نشان داد که الگوی شامل پارامترهای ورودی بارش، دما و دبی ماه قبل با ضریب تبیین RMSE,MAPE به ترتیب برابر 0/68، 100 و 5 در بخش آزمون بیشترین دقت در جهت تعیین رفتار تغییرات جریان ماهانه را نشان داد. نتایج کلی نشان از دقت مناسب مدل شبکه عصبی –فازی در شبیه سازی جریان رودخانه می باشد.

شبیه سازی جریان رودخانه، شبکه عصبی- فازی،رود کارون ANFIS