مقایسه عملکرد مدل‌های شبکه عصبی و فازی در تعیین دبی ماهانه جریان با استفاده از آمار کوتاه مدت.

نویسندگان
doi
10.22055/jise.2010.13483
چکیده

بهره‌برداری بهینه از سیستم­های منابع آب و به خصوص تعیین زمان واقعی کارکرد مخازن سدها، مستلزم پیش‌بینی آورد رودخانه‌هاست. در این مقاله عملکرد مدل‌های منطق فازی ( FL ) و شبکه عصبی مصنوعی ( ANN ) برای پیش‌بینی یک و دو ماه بعد جریان حوضه کارون در محل ایستگاه هیدرومتری پل­شالو با هم مقایسه شده است. در این راستا از سیستم استنتاجی ممدانی برای ساخت مدل‌های FL و همچنین شبکه­های پیشرو سه لایه برای مدل‌سازی توسط ANN استفاده گردید. بررسی عملکرد این مدل‌ها با شاخص‌های ضریب تبیین ( R 2 )، میانگین قدر مطلق خطا ( MAE ) و ریشه میانگین مربعات خطا ( RMSE ) نشان داد که در شرایط کم بودن داده‌ها، مدل FL نسبت به مدل ANN در پیش‌بینی یک و دو ماه بعد جریان از نظر آماری عملکرد بهتری داشته است. این عملکرد بهتر به طور متوسط مقادیری برابر 25% و 7% را به ترتیب برای R 2 و RMSE در پیش­بینی جریان اسفند ماه به همراه داشته است. نتایج بدست آمده از این دو مدل با مدل رگرسیون خطی چندگانه ( MLR ) نیز مقایسه گردید که عدم عملکرد مناسب آن را نشان می‌داد.