TY - JOUR ID - 21646 TI - بررسی کارایی روش‌های عصبی- فازی و مدل‌های آماری در شبیه‌سازی فرآیند بارش-رواناب JO - نشریه علمی - پژوهشی مرتع و آبخیزداری JA - JRWM LA - fa SN - 5044-2008 AU - سلاجقه, علی AU - فتح آبادی, علی AU - مهدوی, محمد AD - Y1 - 2009 PY - 2009 VL - 62 IS - 1 SP - EP - KW - روش عصبی-فازی (ANFIS) KW - روش‌های ARMAX و مدل‌های هوش مصنوعی KW - شبکه عصبی KW - فرآیند بارش-رواناب DO - N2 - 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. UR - https://jrwm.ut.ac.ir/article_21646.html L1 - https://jrwm.ut.ac.ir/article_21646_2f2ee9de5c708cb706fef2da8442e039.pdf ER -