محمد نظیف کار - دانشجوی کارشناسی ارشد، دانشکده مهندسی عمران، دانشگاه صنعتی اصفهان
کیوان اصغری - استادیار، دانشکده مهندسی عمران، دانشگاه صنعتی اصفهان

پیش بینی دقیق رواناب نقش بسزایی در فایق آمدن برمشکلات سیلاب دارد پیچیدگی سیستمهای طبیعی نظیر فرایندهای هیدرولوژیکی استفادها ز مدلهای فیزیکی را با مشکل روبرو می سازد در مدلسازی بارش - رواناب چون پارامترهای بکاررفته معروض به خطا و دارای عدم قطعیت می باشند بنابراین فازی ابزار مناسبی جهت مدلسازی این سیستم ها می باشد و جهت آموزش بهتر مدل سیستم استنتاج تطبیقی عصبی فازی ANFIS استفاده شده است که از سایر مدلها دقیق تر بوده و کمترین خطا را دارددراین تحقیق با استفاده از مدلهای ANFIS و شبکه عصبی جهت مقایسه پیش بینی رواناب ماهانه حوضه کارده ارائه گردیده است به جهت تعداد زیاد پارامترهای موثر در فرایند رواناب استفاده از خوشه بندی FUZZY CLUSTERING شامل SUBCLUSTو FCM جهت پیش پردازش داده ها در سیستم ANFIS بهترین نتایج را ارائه داده است.

مدلسازی بارش رواناب، ANFIS، خوشه بندی فازی، FCM، SUBCLUST