ارزیابی مدل های هوشمند عصبی مصنوعی و عصبی- فازی در شبیه سازی فرآیند بارش- رواناب، مطالعه موردی: حوضه آبخیز بالخلو چای، استان اردبیل

محدودیت آب به دلایل مختلفی مانند مصارف غیر اصولی و خشکسالی های متعدد، مدیریت منابع آب را بیش تر برجسته ساخته است. لازمه مدیریت اصولی و در راستای توسعه پایدار، شناخت و مطالعه فرآیندهای موثر بر منابع آب است و فرآیند هیدرولوژیکی بارش- رواناب، مهم ترین فرآیند هیدرولوژیکی می باشد که منابع آب سطحی و زیرزمینی را تحت تاثیر قرار می دهد. مطالعه این فرآیند ارتباط تنگاتنگی با مدیریت منابع آب دارد. مدل های هوشمند به دلیل توانایی بالا در شبیه سازی فرآیند های پیچیده و غیر خطی مانند بارش- رواناب، در دو دهه اخیر نزد هیدرولوژیست ها جایگاه ویژه ای یافته است. در این پژوهش کارایی مدل های هوشمند پرکاربرد در زمینه آب شناختی، شامل شبکه های عصبی مصنوعی پرسپترون چند لایه، عصبی مصنوعی شعاعی و عصبی- فازی در شبیه سازی فرآیند بارش- رواناب و تخمین دبی ماهانه حوضه آبخیز بالخلو چای مورد ارزیابی قرار گرفت. با توجه به ضرایب MSE، NMSE، MAE و RMSE (به ترتیب 0145/ 0، 276/ 0، 103/ 0 و 120/ 0) شبکه عصبی مصنوعی پرسپترون چند لایه با 3 لایه مخفی و 3 نرون در هر لایه، الگوریتم مومنتم و تابع محرک تانژانت هایپربولیک که توانست دبی ماهانه مربوط به دوره 24 ماهه تست را با دقت بالایی شبیه سازی کند، به عنوان دقیق ترین مدل و ساختار انتخاب شد.