علی سلاجقه؛ علی فتح آبادی؛ محمد مهدوی
دوره 62، شماره 1 ، خرداد 1388
چکیده
یکی از پیچیده‌ترین فرآیندهای هیدرولوژیکی فرآیند بارش-رواناب است, که از پارامترسهای مختلف فیزیکی و هیدرولوژیکی تاثیر می‌پذیرد. در این پژوهش با بهره‌گیری از روش‌های آماری ARMAX, شبکه عصبی, عصبی-فازی (ANFIS با جداسازی خوشه‌ای و شبکه‌ای) و دو مدل بدست آمده از ترکیب آنها به منظور مدل‌سازی فرآیند بارش-رواناب و پیش‌بینی جریان رودخانه بهره‌گیری ...
بیشتر
یکی از پیچیده‌ترین فرآیندهای هیدرولوژیکی فرآیند بارش-رواناب است, که از پارامترسهای مختلف فیزیکی و هیدرولوژیکی تاثیر می‌پذیرد. در این پژوهش با بهره‌گیری از روش‌های آماری ARMAX, شبکه عصبی, عصبی-فازی (ANFIS با جداسازی خوشه‌ای و شبکه‌ای) و دو مدل بدست آمده از ترکیب آنها به منظور مدل‌سازی فرآیند بارش-رواناب و پیش‌بینی جریان رودخانه بهره‌گیری شد. به طوری که درآغاز ساختار بهینه هر یک از مدلها تعیین شده و سپس با بهره‌گیری از مدل برگزیده اقدام به پیش‌بینی جریان رودخانه شد. نتایج این پژوهش نشان داد که مدل‌های ترکیبی عملکرد بهتری نسبت به دیگر مدل‌های مورد آزمون به صورت جداگانه داشته و به علت غیر خطی بودن فرآیند بارش-رواناب عملکرد مدل‌های هوش مصنوعی بهتر از مدل‌های خطی ARMAX است. شایان بیان است که هر چند عملکرد همه نتایج بدست آمده از این پژوهش نشانگر قابل قبول بودن عملکرد همه مدل‌های مورد آزمون بود, اما به دلیل قابلیت مناسب روش ANFIS با جداسازی خوشه‌ای این روش برای پیش‌بینی جریان رودخانه و مدل‌سازی فرآیند بارش-رواناب قابل پیشنهاد است.
