هانیه اسدی

پیش بینی جریان رودخانه در دوره های زمانی آینده، از مسائل مهم و کاربردی در مدیریت منابع آب است. در حقیقت تعیین یک مدل قابل اطمینان و انتخاب وروی ها با تأخیر زمانی مناسب برای پیش بینی دبی جریان، یک موضوع کلیدی برای مدیران حوزه آبخیز، هیدرولوژیست ها و مهندسان رودخانه است. در چند دهه اخیر استفاده از الگوریتم های هوشمند و تئوری مجموعه های فازی برای مدل سازی پدیده های هیدرولوژیکی که دارای پیچیدگی و عدم قطعیت بالایی هستند، مورد توجه محققان قرار گرفته است. در این راستا در پژوهش حاضر به منظور پیش بینی جریان در حوزه آبخیز کسیلیان، از مدل سیستم استنتاج عصبی- فازی تطبیقی و از ورودی دبی جریان با تأخیر یک روز قبل، دو روز قبل تا هفت روز قبل استفاده شد. سپس برای بررسی بیشتر این فرایند، از مدل شبکه عصبی مصنوعی نیز استفاده شد و نتایج براساس شاخص های آماری ضریب تبیین و جذر میانگین مربعات خطا مورد ارزیابی قرار گرفت. نتایج حاکی از این بود که در مدل سیستم استنتاج عصبی- فازی تطبیقی تا گام زمانی چهار روز قبل، پیش بینی جریان رو به بهبود بود و بعد از آن رو به نزول گذاشت و در مدل شبکه عصبی مصنوعی تا گام زمانی پنج روز قبل بهترین نتایج را ارائه داد. همچنین مقایسه و ارزیابی نتایج شاخص های آماری الگوهای بهینه هر دو مدل در دوره آزمون نشان داد که مدل سیستم استنتاج عصبی- فازی تطبیقی (ضریب تبیین= 60/0 و جذر میانگین مربعات خطا= 64/0) نسبت به مدل شبکه عصبی مصنوعی (ضریب تبیین=51/0 و جذر میانگین مربعات خطا= 74/1)، از دقت بیشتری برای پیش بینی جریان رودخانه برخوردار بود.