غلامعلی غفاری
مهدی وفاخواه

  پیش­بینی رواناب به صورت کوتاه­ مدت به دلیل رابطه مستقیم آن با چگونگی تعامل مدیران با خطرات جانی ناشی از سیلاب­ها، از اهمیت خاصی برخوردار است. در این تحقیق با استفاده از شبکه­های عصبی مصنوعی ( ANN ) و فازی عصبی تطبیقی ( ANFIS )، اقدام به شبیه­سازی فرآیند بارش- رواناب به صورت روزانه، در حوزه آبخیز حاجی­قوشان شده است. در این سیستم­ها 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 ۲، مثلثی و زنگوله­ای استفاده شد و تعداد نرون­های لایه مخفی در شبکه عصبی بین ۲ تا ۱۰ نرون متغیر بود. معیارهای آماری متوسط ریشه مربع خطا ( RMSE )، متوسط قدر مطلق خطا ( MAE ) و ضریب همبستگی ( R ) برای ارزیابی و مقایسه عملکرد شبکه­های عصبی مصنوعی و مدل ANFIS در پیش­بینی رواناب، مورد استفاده قرار گرفت. مدل ANFIS با ۱۱/۷ RMSE= ، ۱۸/۲ MAE= و ۶۰/۰ R= نسبت به مدل ANN با ۰۳/۶ RMSE= ، ۹۷/۱ MAE= و ۳۹/۰ R= ، فرآیند بارش- رواناب را با دقت بالاتری پیش­بینی نموده است.

شبیه سازی بارش- رواناب، شبکه عصبی مصنوعی، شبکه فازی- عصبی تطبیقی، حوزه آبخیز حاجی قوشان