نوع مقاله : مقاله پژوهشی

نویسندگان

• مرتضی نبی زاده ¹
• ابوالفضل مساعدی ²
• امیر احمد دهقانی ³

¹ دانشجوی کارشناسی ارشد مهندسی منابع آب، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، ایران.

² دانشیار دانشکده منابع طبیعی و محیط زیست، دانشگاه فردوسی مشهد، ایران.

³ استادیار گروه مهندسی آب، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، ایران.

چکیده

پیش­بینی و برآورد جریان رودخانه برای هر منطقه و حوضه آبریز به عنوان یکی از مهمترین پارامترها در استفاده بهینه از منابع آبی محسوب می­شود. در این پژوهش از مدلی مبتنی بر منطق فازی (سیستم استنتاج فازی،
FIS Fuzzy Inference System) برای انجام فرآیند پیش­بینی جریان استفاده شده است. به این منظور از سه پارامتر بارندگی، دما و دبی روزانه حوضه آبریز لیقوان­چای برای پیش­بینی جریان روزانه رودخانه لیقوان، استفاده شد. در پیش‎پردازش اولیه داده­ها، تصادفی بودن آن­ها با استفاده از آزمون نقاط عطف مورد بررسی قرار گرفت. سپس جهت تعیین مدل­های بهینه ورودی به سیستم­ها، همبستگی­نگار داده­ها مورد بررسی قرار گرفت. نهایتاً جهت بررسی تأثیر دما در پیش­بینی، این فرآیند با تفکیک ماه­ها، انجام شد. ارزیابی نتایج پیش­بینی­ها با استفاده از معیارهای آماری از جمله معیار ناش- ساتکلیف نشان داد که مدل FIS دقت بالا (9976/0=C_NS) و خطای کمی (0113/0=RMSE) در پیش‏بینی داشته است و این روش می­تواند به عنوان روشی کارآمد و دقیق در پیش­بینی جریان رودخانه به­کار گرفته شود. همچنین با بررسی نتایج نهایی، مشخص شد که دما در برخی از ماه­ها (فروردین و آذر) در پیش­بینی موثر بوده است.

کلیدواژه‌ها

• پیش¬بینی آبدهی
• منطق فازی
• سیستم استنتاج فازی (FIS)
• رگرسیون خطی
• حوضه لیقوان¬چای

عنوان مقاله [English]

Performance of fuzzy logic in stream flow forecasting

نویسندگان [English]

• M. Nabizadeh ¹
• A. Mosaedi ²
• A. A. Dehghani ³

¹ M.Sc. student, Gorgan University of Agricultural Sciences and Natural Resources, Gorgan, I.R. Iran

² Associate Professor, Faculty of Natural Resources and Environment, Ferdowsi University of Mashhad, Mashhad, I.R. Iran

³ Assistant Professor, Gorgan University of Agricultural Sciences and Natural Resources, Gorgan, I.R. Iran

چکیده [English]

River flow forecasting for a region has a special and important role for optimal allocation of water resources. In this research, for forecasting river flow process, Fuzzy Inference System (FIS) is used. Three parameters including precipitation, temperature and daily discharge are used for forecasting of daily river flow of Lighvan River located in Lighvanchai watershed. For the initial preprocessing, the randomness of data was examined by return points test. Then, for determination of the optimum lags for input parameters, correlogram of data was considered. Finally to investigate the effects of temperature on river flow forecasting, the process were done for any months separately. Assessments of prediction by using various criteria such as Nash-Sutcliff coefficient showed that FIS model had high precision (CNS=0.9976) and low error (RMSE=0.0113) in prediction which shows that the FIS model can be employed successfully in river flow forecasting. Final assessment of the results was also revealed the effects of temperature on prediction in some months (April and December).
 

کلیدواژه‌ها [English]

• Discharge forecasting
• Fuzzy logic
• Fuzzy Inference System (FIS)
• Liner regression
• Lighvanchai watershed