مقايسه روشهاي شبكه عصبي مصنوعي و نرو فازي ANFIS در پيشبيني جريان سالانه رودخانه بشار

چكیده هدف تحقیق حاضر استفاده از ابزارهای نرم افزاری جهت مقایسه روشهای شبكه عصبی مصنوعی و نرو فازی در پیشبینی جریان رودخانه های هوشمند، شامل میانگین بارش، میانگین دما، كمینه و بیشینه دما ثبت شده در ¬ های اقلیمی ورودی به مدل ¬ بشار می باشد. داده ایستگاهها و میانگین آنها می باشد. به كمك نرم افزار Matlab شبیهسازی جریان رودخانه انجام شد. بیشترین دبیهای ثبت شده در ها نوسانات مشابهای را از خود نشان دادند. میانگین بارش با ¬ سالهای مختلف در ایستگاه پاتاوه مشاهده شد و دبی سالانه در سایر ایستگاه میانگین، بیشینه و كمینه دما در ارتباط معكوس بود. هر دو روش شبكه عصبی مصنوعی و نروفازی توانستند به خوبی جریان سالانه رودخانه )در بازه زمانی 1831 تا 1831 ( را شبیه سازی كنند. هیدروگراف بدست آمده از روش نروفازی (ANFIS) انطباق بیشتری بر هیدروگراف واقعی نشان داد. نتایج پیش بینی سیستم فازی عصبی تطبیقی به ویژه در دبی های متوسط شاخه نزولی، سازگاری بالاتری با مقادیر مشاهده شده دارد، در صورتی كه شبیه سازی شبكه عصبی نسبت به هیدروگراف واقعی جریان اندكی خطا داشته و كمتر برآورد شده است. البته نتایج صحت سنجی حاكی از عدم معنی دار بودن (P>.0.1) اختلاف میان مقادیر واقعی و برآورد شده بود. ضریب همبستگی ANN و ANFIS به ترتیب 983 /. و . 31 /. به دست آمد، و سیستم فازی عصبی به دلیل همبستگی بیشتر با مقادیر مشاهده شده )ضریب بالاتر( دهد كه خروجی ¬ عملكرد بهتری نسبت به شبكه عصبی داشت. این نتایج نشان می ANFIS نسبت به خروجی ANN از دقت بیشتری برخوردار است . برتری محسوس روش نروفازی شبكه عصبی (MPL) را می توان در این امر دانست كه این تكنیك، تركیبی از دو مدل گیری از یك تابع عضویت خاص و یك سری قوانین ¬ ها از شبكه عصبی استفاده كرده و با بهره ¬ فازی و عصبی است، یعنی برای آموزش داده فازی، مدل ساخته میشود. در نتیجه مدل به خوبی قادر است مسئله پیچیده پیش بینی جریان رابرآورد نماید . واژه های كلیدی : ، ، پیشبینی، ، رودخانه بشار