شبیه سازی فرآیند بارش- رواناب با استفاده از شبکه عصبی مصنوعی و سیستم فازی- عصبی تطبیقی (مطالعه موردی: حوزه آبخیز حاجی قوشان)

پیش بینی رواناب به صورت کوتاه مدت به دلیل رابطه مستقیم آن با چگونگی تعامل مدیران با خطرات جانی ناشی از سیلاب ها، از اهمیت خاصی برخوردار است. در این تحقیق با استفاده از شبکه های عصبی مصنوعی (ANN) و فازی عصبی تطبیقی (ANFIS)، اقدام به شبیه سازی فرآیند بارش- رواناب به صورت روزانه، در حوزه آبخیز حاجی قوشان شده است. در این سیستم ها سه ترکیب مختلف ورودی شامل بارندگی همان روز، بارندگی همان روز و روز قبل، بارندگی همان روز و روز قبل و دو روز قبل از آن، مورد استفاده قرار گرفت. هم چنین در شبکه ANFIS از توابع مختلف گوسی، گوسی نوع 2، مثلثی و زنگوله ای استفاده شد و تعداد نرون های لایه مخفی در شبکه عصبی بین 2 تا 10 نرون متغیر بود. معیارهای آماری متوسط ریشه مربع خطا (RMSE)، متوسط قدر مطلق خطا (MAE) و ضریب همبستگی (R) برای ارزیابی و مقایسه عملکرد شبکه های عصبی مصنوعی و مدل ANFIS در پیش بینی رواناب، مورد استفاده قرار گرفت. مدل ANFIS با 11/7 RMSE=، 18/2 MAE= و 60/0 R= نسبت به مدل ANN با 03/6 RMSE=، 97/1 MAE= و 39/0 R=، فرآیند بارش- رواناب را با دقت بالاتری پیش بینی نموده است.