پیش بینی رواناب با استفاده از مدل های هوشمند

پیش‏بینی رواناب رودخانه ها به دلیل اهمیت زیاد آن در برنامه ریزی ها، بهره‏برداری از مخازن و همچنین مدیریت آب‏‏های سطحی همواره مورد توجه مسئولان، برنامه‏ریزان و مهندسان آب و منابع آبی بوده است. از طرفی، به دلیل تغییرات زمانی و مکانی موجود، روابط غیرخطی و عدم قطعیت و بسیاری از عوامل دیگر پیش‏بینی رابطه بارش رواناب بسیار مشکل است، اما امروزه استفاده از سامانه های هوشمند در پیش‏بینی چنین پدیده های پیچیده ای می‏تواند مفید و موثر باشد. در این پژوهش سعی شده است با استفاده از داده های هواشناسی و هیدرومتری طی دوره زمانی 1349-1350 تا 1390-1391 رواناب در حوضه آبخیز امامه با استفاده از مدل‏های شبکه عصبی پرسپترون چندلایه، تابع پایه شعاعی و سیستم عصبی فازی تطبیقی تخمین زده شود. نتایج نشان داد از بین مدل‏های یادشده سیستم عصبی فازی تطبیقی عملکرد بسیار زیادی داشته است و به خوبی می‏تواند رواناب را پیش‏بینی کند به طوری‏که با توجه به خطاها ساختار 54 با هشت ورودی شامل بارندگی و دبی تا تاخیر دو روز و دما، تبخیر و تعرق و رطوبت نسبی همان روز که دارای تابع عضویت گوسی و جداسازی از نوع خوشه‏ای با خطای MSE، RMSE و MAE به ترتیب 001/0، 025/0 و 008/0 در مرحله آموزش و 001/0، 026/0 و 008/0 در مرحله آزمایش به عنوان بهترین مدل حوضه امامه بوده است.