شبیه سازی بارش با استفاده از مدلهای فازی عصبی ومقایسه آن با مدلهای سریزمانی (مطالعه موردی : دشت جم)

جهت مدیریت مناسب در یک حوضه هیدرولیکی نیاز به شناخت کامل آن میباشد . میتوان گفت مهمترین بخش از این شناخت مربوط به ارائه مدلی جهت معرفی بارش آن حوضه می باشد با توجه به عدم دسترسی به اطلاعات هیدرولیکی حوضه های مورد مطالعه اغلب این مدلسازیها بصورت هیدرولوژیکی یا گردهای و با استفاده از آمار سالهای قبل صورت می گیرد . اغلب سعی بر این بوده است که از روش های ریاضی برای مدلسازی این پدیده استفاده شود که در مرحله واسنجی و آموزش یک مدل از تعدادی پارامترهای حوضه استفاده میشود که خود این پارامترها دقیق و بطور کامل قابل اطمینان نمیباشند. ریاضیات فازی با ارئهتابع عضویت بجای عدد مطلق برای پارامتر مذکور دقت عمل را در ارزش دهی دادهها بالا می برد. در این مقاله مدل بارش حوضه جم واقع در استان بوشهر با استفاده از روشهای سری زمانی و سیستم استنتاج عصبی فازی تطبیقی ارائه میشود و در نهایت مناسب ترین مدلهای سری زمانی و نروفازی از طریق معیارهای ارزیابی مورد نظر ما مشخص میشوند. معیار ارزیابی جهت انتخاب مدل برتر بین 2 مدل سری زمانی و شبکههای فازی عصبی تطبیقی، ضریب همبستگی r2 و مجذور میانگین مربعات خطا RMSE میباشد.. نتایج این تحقیق نشان میدهد که شبکههای فازی عصبی تطبیقی توانایی - بالاتری را در شبیهسازی بارش در مقیاس ماهانه در دشت جم دارد.

کلیدواژه ها:

هیدرولیک ، بارش ، سری زمانی ، شبکه فازی عصبی تطبیقی