ارزیابی روش عصبی-فازی در تخمین بارندگی (مطالعه موردی: شهر همدان)

بارش یکی از مهم ترین داده های ورودی به سیستم های هیدرولوژیکی محسوب می شود. اطلاعات دقیق در مورد بارش برای مدیریت منابع آب ضروری و حیاتی است. در این پژوهش از مدل سیستم استنتاج تطبیقی عصبی فازی (CANFIS) به منظور پیش بینی بارش سالانه شهر همدان استفاده شد. برای این منظور از اطلاعات ایستگاه سینوپتیک فرودگاه همدان طی سال های 1977 تا 2010 بهره گرفته شد. بدین جهت از دو گروه داده های هواشناسی غیربارشی شامل ماکزیمم رطوبت نسبی، میانگین رطوبت نسبی، ابرناکی، ماکزیمم دما و مینیمم دما و داده های بارشی در گام های زمانی قبل (t-1 و t-2 و t-3) به عنوان ورودی استفاده شد. بهترین ساختار در تعیین بارندگی با پارامترهای غیر بارشی، ساختار با دو تابع عضویت گوسین دارای میانگین مربعات خطا (RMSE)، میانگین مجذور مربعات خطای نرمال (NRMSE) میانگین قدر مطلق خطا (MAE)، میانگین خطای اریب (MBE) به ترتیب 12/95 و 0/04 و 51/69 و 13/98- بود. ساختار بهینه در تعیین بارندگی با پارامترهای بارشی، با سه تابع عضویت زنگوله ای دارای (RMSE) و (NRMSE) و (MAE) و (MBE) به ترتیب 66/32 و 0/21 و 56/89 و 4/63- بود. با توجه به یافته های تحقیق اجرای مدل CANFIS با پارامترهای غیربارشی از نظر آماره های خطا سنجی بهتر از پارامترهای بارشی ارزیابی گردید.

کلیدواژه ها:

بارش ، پیش بینی ، CANFIS ، همدان