فهرست نشریات علمی دسترسی آزاد ایران

پیش‌‌بینی جریان رودخانه در دوره‌های زمانی آینده، از مسائل مهم و کاربردی در مدیریت منابع آب است. در حقیقت تعیین یک مدل قابل‌اطمینان و انتخاب وروی‌‌ها با تأخیر زمانی مناسب برای پیش‌‌بینی دبی جریان، یک موضوع کلیدی برای مدیران حوزۀ آبخیز، هیدرولوژیست‌‌ها و مهندسان رودخانه است. در چند دهۀ اخیر استفاده از الگوریتم‌های هوشمند و تئوری مجموعه‌‌های فازی برای مدل‌‌سازی پدیده‌‌های هیدرولوژیکی که دارای پیچیدگی و عدم‌قطعیت بالایی هستند، مورد توجه محققان قرار گرفته است. در این راستا در پژوهش حاضر به‌منظور پیش‌‌بینی جریان در حوزۀ آبخیز کسیلیان، از مدل سیستم استنتاج عصبی- فازی تطبیقی و از ورودی دبی جریان با تأخیر یک روز قبل، دو روز قبل تا هفت روز قبل استفاده شد. سپس برای بررسی بیشتر این فرایند، از مدل شبکۀ عصبی مصنوعی نیز استفاده شد و نتایج براساس شاخص‌‌های آماری ضریب تبیین و جذر میانگین مربعات خطا مورد ارزیابی قرار گرفت. نتایج حاکی از این بود که در مدل سیستم استنتاج عصبی- فازی تطبیقی تا گام زمانی چهار روز قبل، پیش‌‌بینی جریان رو به بهبود بود و بعد از آن رو به نزول گذاشت و در مدل شبکۀ عصبی مصنوعی تا گام زمانی پنج روز قبل بهترین نتایج را ارائه داد. همچنین مقایسه و ارزیابی نتایج شاخص‌‌های آماری الگوهای بهینۀ هر دو مدل در دورۀ آزمون نشان داد که مدل سیستم استنتاج عصبی- فازی تطبیقی (ضریب تبیین= 60/0 و جذر میانگین مربعات خطا= 64/0) نسبت‌به مدل شبکۀ عصبی مصنوعی (ضریب تبیین=51/0 و جذر میانگین مربعات خطا= 74/1)، از دقت بیشتری برای پیش‌‌بینی جریان رودخانه برخوردار بود.