استفاده از سیستم فازی - عصبی تطبیقی در مدلسازی بارش - رواناب

پیش بینی صحیح و دقیق رواناب می تواند نقش بسزایی در فایق آمدن بر مشکلات وافر سیلاب داشته باشد. پیچیدگی سیستم های طبیعی، از جمله فرایندهای هیدرولوژیکی، استفاده از مدل های فیزیکی را مشکل می نماید. از دهه گذشته، استفاده از مدل های بارش- رواناب همچون مدل فازی توسعه یافته است. مدل فازی می تواند در شبیه سازی فرایندهای با اطلاعات ناقص و غیردقیق بکار گرفته شود. در این تحقیق سه مدل هوشمند (شبکه های عصبی مصنوعی، سیستم استنتاج فازی و سیستم فازی- عصبی تطبیقی) جهت پیش بینی رواناب ماهانه و روزانه در حوضه آبریز لیقوان چای، واقع در استان آذربایجان شرقی ارائه گردیده است. در نهایت، نتایج سه مدل مذکور با نتایج بدست آمده از روش های رگرسیون خطی و مدل سری زمانی ARIMA مقایسه شده است. عمده ترین مزیت مدلساری فازی، سادگی و قابل فهم بودن آن است. از طرفی چون پارامترهای بارش و رواناب بکار رفته در مدلسازی، مفروض به خطا و دارای عدم قطعیت می باشند. بنابراین منطق فازی ابزار مناسبی جهت مدلسازی این سیستم ها است و مدلسازی فازی (تطبیقی و استنتاجی) از سایر مدل ها دقیق تر بوده و بیشترین مقدار نش- ساتکلیف و کمترین خطا را در پی داشته است.