احسان بذر افشان - دانشجوی کارشناسی ارشد دانشکده منابع طبیعی و کویرشناسی دانشگاه یزد
مریم بهارلویی - دانشجوی کارشناسی دانشکده منابع طبیعی و کویر شناسی دانشگاه یزد
مهدی سپهری - دانشجوی دکتری منابع طبیعی دانشکده منابع طبیعی و کویر شناسی دانشگاه یزد
لیلا خلیلی - دانش آموخته کارشناسی ارشد دانشکده منابع طبیعی و کویرشناسی دانشگاه یزد
مینا دهقانی - دانشجوی کارشناسی ارشد دانشکده منابع طبیعی و کویرشناسی دانشگاه یزد
ناهید معصومی - دانشجوی کارشناسی ارشد دانشکده منابع طبیعی و کویرشناسی دانشگاه یزد

برآورد دبی اوج به عنوان یکی از مباحث اصلی در مدیریت منابع آبی و سیلاب نقش اساسی در طراحی سازه های آبی و اقدامات بیو مکانیکی در حوضه های آبخیز دارد. به طوری که یک برآورد صحیح آن نقش اساسی در موفقیت کارهای اجرایی دارد. در این بررسی سعی شده با استفاده از روش های هوش مصنوعی (شبکه عصبی پرسپترون چند لایه و ترکیب خوشه بندی و ANFIS ) دبی حداکثر رودخانه یلفان در محل ایستگاه هیدرومتری و رسوب سنجی یلفان برآورد گردد. به این منظور در این دو مدل 8 متغیر که شامل بارندگی مربوط به روز وقوع سیل، بارندگی های 5 روز قبل، دبی پایه در روز وقوع سیل و CN حوضه به عنوان پارامتر های ورودی و دبی پیک به عنوان خروجی در نظر گرفته شده است. سپس با استفاده از روش هوش مصنوعی و پیش پردازش داده ها، ساختار بهینه مدل با استفاده از داده های ورودی و خروجی و با ملاک قرار دادن معیارهای ارزیابی، به روش سعی و خطا تعیین گردید. در نهایت در مدل تلفیقی خوشه بندی با ANFIS ، پس از تعیین مدل بهینه خوشه بندی، نتیجه مدل به ANFIS وارد گردید و در نهایت با توجه به معیارهای ارزیابی ساختار بهینه مدل تعیین گردید. نتایج نشان داد که مدل شبکه عصبی عملکرد بهتری در برآورد دبی سیلاب در حوزه یلفان دارد.

دبی اوج، شبکه عصبی، خوشه بندی، ANFIS ، یلفان