صدیقه انوری تفتی - دانشجوی دکترای سازه آبی، دانشگاه تربیت مدرس
سعید مرید - دانشیار گروه سازههای آبی، دانشگاه تربیت مدرس
بهرام ثقفیان - استاد پژوهشی مرکز تحقیقات حفاظت خاک و آبخیزداری

در چند دهه اخیر، رشد جمعیت و افزایش تقاضای آب از یک طرف، پدیده تغییر اقلیم و وقوع خشکسالی های متعدد ازطرف دیگر، اهمیت و حساسیت مدیریت منابع آب را افزایش داده است در این راستا پیش بینی آورد رودخانه یکی از ابزارهای کلیدی است که می تواند در اعمال مدیریت مناسب، تاثیر بسزایی داشته باشد. پیش بینی جریان ورودی به مخزن سد نقش اساسی در به ره برداری و مدیریت بهینه از سیست مهای منابع آب دارد. برای سدی مانند کارو ن 3 که بیشترین ورودی به مخزن سد در ماههای اسفند و فروردین اتفاق می افتد، پیش بینی آورد رودخانه در این ماهها حائز اهمیت خواهد بود . در این مقاله عملکرد مدلهای منطق فازیFL)و شبکه عصبی مصنوعیANN)برای پیش بینی یک و دو ماه بعد جریان حوضه کارون با هم مقایسه شده است . بررسی عملکرد این مدلها با شاخص های ضریب تعیینR2 و ریشه میانگین مربعات خطاRMSE) نشان داد که، مدلFLنسبت به مدلANN در شرایط تعداد کم الگوهای مرحله کالیبراسیون، برای پیش بینی یک و دو ماه بعد جریان عملکرد بهتری داشته است.

پیشبینی جریان، منطق فازی، شبکه عصبی مصنوعی