صادق تالی خشک - دانشگاه تهران
محسن محسنی ساروی - دانشگاه تهران
مهدی وفاخواه - دانشگاه تربیت مدرس نور
شهرام خلیقی سیگارودی - دانشگاه تهران

  از مهم­ترین مسائل در مدیریت حوزه­های آبخیز، پیش­بینی فرآیندهای هیدرولوژیکی می­باشد. استفاده از مدل­های جدید در این زمینه می تواند به مدیریت و برنامه­ریزی صحیح کمک کند. علاوه برآن پیش­بینی جریان رودخانه، مخصوصا در شرایط سیلابی، به مسوولان این امکان را خواهد داد که با آمادگی خسارات ناشی از سیل را کاهش دهند. یکی از روش­هایی که اخیرا برای پیش­بینی و برآورد میزان دبی رودخانه­ها به کار می­رود، مدل نروفازی است. نروفازی با بررسی و تشخیص روابط بین ورودی­ها و خروجی، به برآورد خروجی مطلوب می­پردازد. در این مطالعه مقادیر سه ساله بارندگی و دبی روزانه ایستگاه­های مختلف موجود در سطح حوزه آبخیز طالقان، به عنوان ورودی به مدل نروفازی وارد شد و با توجه به نمایه­های آماری (ریشه میانگین مربعات خطا، ضریب همبستگی و تبیین)، بهترین ساختار نروفازی و ترکیب ورودی­ها جهت پیش­بینی جریان رودخانه مشخص گردید. نتایج نشان داد که بهترین برآوردها مربوط به فازی ساز گوسی بود. با اینکه حالت ­ های ورودی مختلفی، نتایج قابل قبولی را ارائه داد، بهترین برآوردها با ضرایب RMSE و R۲ (داده ­ های آموزش ۰۲/۰ و ۹۸/۰ - داده­های آزمون ۰۶/۰ و ۸۷/۰)، مربوط به ورودی دبی مهران و جوستان و دبی روز قبل گراب و دهدر بود. با توجه به نتایج مشخص شد که نروفازی با صحت زیادی پیش ­ بینی جریان روزانه را انجام داده است و در مدیریت حوزه­های آبخیز و کنترل سیل می­تواند استفاده شود.

Keywords: Daily discharge, Neuro-fuzzy, Flood forecasting, Taleghan watershed, دبی روزانه, نروفازی, پیش بینی سیل, حوزه آبخیز طالقان