فهرست نشریات علمی دسترسی آزاد ایران

در این پژوهش، به‏ منظور انتخاب مدل مناسب به منظور پیش‏بینی رواناب در حوضۀ رودخانۀ بشار، از مدل‏های داده‌محور شبکۀ عصبی مصنوعی از نوع پرسپترون چندلایه و شبکۀ عصبی فازی از سیستم استنتاج فازی سوگنو، به روش خوشه‏بندی کاهشی استفاده شد و تحلیل عدم قطعیت این مدل‏ها مورد بررسی قرار گرفت. داده‏های مورد استفاده در این پژوهش، شامل مقادیر ماهانۀ بارندگی و دمای متوسط در ایستگاه‏های باران‏سنجی و آبدهی متوسط ماهانۀ رودخانۀ بشار در ایستگاه هیدرومتری واقع در این حوضه از سال 1358ـ 1359 تا 1397ـ 1398 است. نتایج حساسیت‌سنجی روی تعداد نرون‏های لایۀ میانی در شبکۀ عصبی نشان داد بهترین تعداد نرون لایۀ میانی برای ترکیب ورودی بهینه برابر 13 است. بر اساس شاخص جذر میانگین مربعات خطا (RMSE)، بهترین ترکیب متغیرهای ورودی برای شبیه‏سازی دبی رودخانه، در هر دو مدل شبکۀ عصبی و شبکۀ عصبی‌ـ فازی، ترکیب ورودی شامل دبی‏های متوسط رودخانه با یک ماه و دو ماه تأخیر به همراه مقادیر بارش ماهانه و بارش ماهانه با یک ماه و دو ماه تأخیر تعیین شد. به‏ منظور بررسی عدم قطعیت مدل‏ها، مدل‏های شبکۀ عصبی مصنوعی و عصبی‌ـ فازی در قالب یک نمونه‏گیری مونت‏کارلو به کار گرفته شدند. نتایج بررسی عدم قطعیت نشان داد به ازای متغیرهای ورودی تصادفی یکسان، میزان انحراف از معیار در خروجی مدل شبکۀ عصبی بیشتر از مدل شبکۀ عصبی فازی است. همچنین نتایج حاصل از محاسبۀ فاصلۀ اطمینان نشان می‏دهد بازۀ اطمینان برای مقادیر اطمینان مختلف، در شبکۀ عصبی فازی کوچک‏تر است، به ‏طوری ‏که در مدل شبکۀ عصبی با اطمینان 98 درصد خروجی در بازه (64/0 و 036/0) قرار دارد، اما در مدل عصبی‌ـ فازی با اطمینان 98 درصد، خروجی بین بازه (69/0 و 53/0) قرار دارد که نشان از عدم قطعیت بیشتر در نتایج مدل شبکۀ عصبی دارد.