فهرست نشریات علمی دسترسی آزاد ایران

مقدار دبی یا رواناب خروجی از یک حوضة آبخیز از اهمیت زیادی برخوردار است؛ زیرا کمبود آن ممکن است موجب خسارات مالی و مازاد آن به‌صورت سیلاب ممکن است موجب خسارات جانی و مالی شود. در این پژوهش با استفاده از شبکة عصبی مصنوعی پرسپترون چندلایه (MLP) و مدل فازی عصبی تطبیقی (ANFIS) و روش رگرسیون چندمتغیره، فرایند بارش- رواناب به‌صورت روزانه در حوضة آبخیز خرم‌آباد شبیه‌سازی شد. برای ورودی‌ها از ترکیب‌های مختلف از ورودی‌های بارندگی همان روز، یک روز قبل و دو روز قبل استفاده شد. تابع عضویت ورودی‌های مدل ANFIS استفاده‌شده در این مطالعه، ذوزنقه­ای، مثلثی، گوسی و گوسی نوع 2 است. مدل MLP به­کار‌رفته با یک لایة پنهان و تعداد نورون‌های متغیر ارزیابی شد. نتایج نشان داد که مدل عصبی فازی تطبیقی (ANFIS) عملکرد بهتری از شبکة عصبی مصنوعی پرسپترون چندلایه (MLP) و مدل رگرسیون چندمتغیره دارد. همچنین با افزایش تعداد ورودی‌ها و دخالت دادن بارندگی یک و دو روز قبل، عملکرد هر سه مدل بهتر می‌شود.