فهرست نشریات علمی دسترسی آزاد ایران

با محدودیت‌های بودجه و نیروی انسانی در نظارت و جمع‌آوری داده‌های طولانی‌مدت در همه رودخانه‌های ایران، دستیابی به داده‌های دقیق و مستمر از دبی رودخانه‌ها بسیار دشوار است. به همین دلیل، بهره‌گیری از روش‌های نوین برای برآورد جریان می‌تواند گامی موثر در این زمینه باشد. در این مطالعه، عملکرد مدل دبی-اشل توانی چندمتغیره (MPRC)، مدل دبی-اشل کلاسیک (CRC)، مدل هیدرولیکی شیونو و نایت (SKM) و مدل یادگیری ماشین سیستم استنتاج عصبی فازی تطبیقی (ANFIS) در تخمین سری زمانی جریان بررسی و مقایسه می‌شود. در مدل توانی چندمتغیره، علاوه بر پارامترهای هیدرولیکی شناخته‌شده‌ای مانند مساحت مقطع، محیط مرطوب و عرض سطح آزاد آب، تعیین سرعت متوسط جریان از طریق منحنی‌های هم‌سرعت نیز ضروری است. برای کالیبراسیون و تحلیل عدم‌قطعیت این مدل، از روش زنجیره مارکوف مونت کارلو (MCMC) بر روی بخشی از داده‌های مشاهداتی ایستگاه هیدرومتری ملاثانی در رودخانه کارون استفاده شده است. در مرحله بعد، دقت مدل ANFIS در پیش‌بینی سری زمانی جریان، با در نظر گرفتن متغیرهای هیدرولیکی ورودی مذکور، مورد ارزیابی قرار گرفته و با سایر مدل‌ها مقایسه خواهد شد. رویکرد نوین در کالیبراسیون مدل توانی چندمتغیره، استفاده از مدل ANFIS به جای مدل توانی چندمتغیره و مقایسه با مدل دبی-اشل کلاسیک و SKM از نوآوری‌های پژوهش حاضر است. نتایج نشان داد که طبق چهار معیار کارایی کلینگ-گوپتا (KGE)، شاخص پراکندگی (SI)، شاخص توافق (d) و درصد انحراف (PBIAS)، دیاگرام تیلور و نمودار جعبه‌ای، مدل ANFIS با KGE=0.988، SI=0.9%، d=0.994 و PBIAS=0.41%، عملکرد بهتری نسبت به سایر مد‌ل‌های مورد مطالعه ارائه می‌دهد.