بررسی کارایی روش های عصبی - فازی و مدل های آماری در شبیه سازی فرآیند بارش - رواناب

یکی از پیچیده ترین فرآیندهای هیدرولوژیکی فرآیند بارش-رواناب است، که از پارامترسهای مختلف فیزیکی و هیدرولوژیکی تاثیر می پذیرد. در این پژوهش با بهره گیری از روش های آماری ARMAX، شبکه عصبی، عصبی-فازی (ANFIS با جداسازی خوشه ایو شبکه ای) و دو مدل بدست آمده از ترکیب آنها به منظور مدل سازی فرآیند بارش-رواناب و پیش بینی جریان رودخانه بهره گیری شد. به طوری که درآغاز ساختار بهینه هر یک از مدل ها تعیین شده و سپس با بهره گیری از مدل برگزیده اقدام به پیش بینی جریان رودخانه شد. نتایج این پژوهش نشان داد که مدل های ترکیبی عملکرد بهتری نسبت به دیگر مدل های مورد آزمون به صورت جداگانه داشته و به علت غیر خطی بودن فرآیند بارش-رواناب عملکرد مدل های هوش مصنوعی بهتر از مدل های خطی ARMAX است. شایان بیان است که هر چند عملکرد همه نتایج بدست آمده از این پژوهش نشانگر قابل قبول بودن عملکرد همه مدل های مورد آزمون بود، اما به دلیل قابلیت مناسب روش ANFIS با جداسازی خوشه ایاین روش برای پیش بینی جریان رودخانه و مدل سازی فرآیند بارش-رواناب قابل پیشنهاد است.