ارزيابي روش عصبي-فازي در تخمين بارندگي (مطالعه موردي: شهر همدان)

بارش يكي از مهم ترين داده هاي ورودي به سيستم هاي هيدرولوژيكي محسوب مي شود. اطلاعات دقيق در مورد بارش براي مديريت منابع آب ضروري و حياتي است. در اين پژوهش از مدل سيستم استنتاج تطبيقي عصبي فازي (CANFIS) به منظور پيش بيني بارش سالانه شهر همدان استفاده شد. براي اين منظور از اطلاعات ايستگاه سينوپتيك فرودگاه همدان طي سال هاي 1977 تا 2010 بهره گرفته شد. بدين جهت از دو گروه داده هاي هواشناسي غيربارشي شامل ماكزيمم رطوبت نسبي، ميانگين رطوبت نسبي، ابرناكي، ماكزيمم دما و مينيمم دما و داده هاي بارشي در گام هاي زماني قبل (t-1 و t-2 و t-3) به عنوان ورودي استفاده شد. بهترين ساختار در تعيين بارندگي با پارامترهاي غير بارشي، ساختار با دو تابع عضويت گوسين داراي ميانگين مربعات خطا (RMSE)، ميانگين مجذور مربعات خطاي نرمال (NRMSE) ميانگين قدر مطلق خطا (MAE)، ميانگين خطاي اريب (MBE) به ترتيب 12/95 و 0/04 و 51/69 و 13/98- بود. ساختار بهينه در تعيين بارندگي با پارامترهاي بارشي، با سه تابع عضويت زنگوله اي داراي (RMSE) و (NRMSE) و (MAE) و (MBE) به ترتيب 66/32 و 0/21 و 56/89 و 4/63- بود. با توجه به يافته هاي تحقيق اجراي مدل CANFIS با پارامترهاي غيربارشي از نظر آماره هاي خطا سنجي بهتر از پارامترهاي بارشي ارزيابي گرديد.