%0 Journal Article %T بازسازی دبی روزانه با استفاده از روش های شبکه عصبی و فازی- عصبی(مطالعه موردی: سرشاخه های حوزه آبخیز کارون) %J نشریه علمی - پژوهشی مرتع و آبخیزداری %I دانشکده منابع طبیعی دانشگاه تهران %Z 5044-2008 %A نساجی زواره, مجتبی %A قرمز چشمه, باقر %A رحیم زاده, فاطمه %D 2016 %\ 06/21/2016 %V 69 %N 2 %P 503-514 %! بازسازی دبی روزانه با استفاده از روش های شبکه عصبی و فازی- عصبی(مطالعه موردی: سرشاخه های حوزه آبخیز کارون) %K بازسازی %K دبی روزانه %K شبکه عصبی %K فازی-عصبی %K کارون %R 10.22059/jrwm.2016.61699 %X برای برآورد دبی روزانه در مدل‏های هیدرولوژی نیاز به دبی‏های پیوسته در بازه زمانی روزانه هست. تعداد سال‏های آماری متفاوت، نواقص آماری و خطای اندازه‏گیری باعث ایجاد سری‏های زمانی با پایه زمانی غیرمشترک می‏گردد. بنابراین بازسازی داده‏های دبی روزانه از اهمیت ویژه‏ای برخوردار است. این تحقیق به‌منظور بازسازی دبی روزانه در یکی از سرشاخه‏های رودخانه کارون و در دو مرحله انجام گرفت. در هر دو مرحله تحقیق با استفاده از داده‏های دبی روزانه دو ایستگاه بالادست و روش‏های شبکه عصبی، فازی-عصبی و رگرسیون دومتغیره دبی روزانه ایستگاه پائین‌دست بازسازی گردید. در مرحله دوم با گروه‏بندی مقادیر دبی به سال‏های خشک، نرمال و مرطوب دبی روزانه بازسازی شد. نتایج نشان داد روش‏های شبکه عصبی و فازی دارای دقت بالا‏تری نسبت به روش رگرسیون دومتغیره برای بازسازی دبی روزانه بود. بین مدل‏های مختلف شبکه عصبی و فازی مدل شبکه عصبی پرسپترون (MLP)دارای قابلیت مناسب‏تری نسبت به بقیه مدل‏ها است. همچنین گروه‏بندی دبی به سال‌های خشک، نرمال و مرطوب باعث کاهش خطا در بازسازی دبی روزانه گردید. بر اساس شاخص میانگین خطای نسبی (MRE) به ترتیب سال‏های نرمال، مرطوب و خشک کمترین خطا در بازسازی دبی روزانه را دارند. %U https://jrwm.ut.ac.ir/article_61699_7414981e896e7d360968e724a88b28ca.pdf