بهينه‌سازي شبكه ANFIS براي شبيه‌سازي دراز مدت بارندگي شهر بابلسر

در اين مطالعه، مقادير بارندگي دراز مدت شهر بابلسر در يك بازه زماني 68 ساله از سال 1951 تا 2019 با استفاده از يك مدل هوش مصنوعي تركيبي بهينه يافته شبيه سازي شد. براي توسعه مدل تركيبي، شبكه انفيس با تبديل موجك تركيب شدند. در ابتدا، با استفاده از تابع خودهمبستگي، تاخيرهاي موثر داده هاي سري زماني شناسايي شدند. سپس با استفاده از اين تاخيرها، شش مدل انفيس تعريف گرديد. با اجراي يك تحليل حساسيت، بهترين مدل انفيس معرفي شد. مقادير ضريب همبستگي (R)، شاخص عملكرد (VAF) و شاخص پراكندگي (SI) براي وضعيت آزمون مدل برتر انفيس به ترتيب برابر با 0.612، 37.029 و 0.761 محاسبه شدند. علاوه بر اين، تجزيه و تحليل نتايج مدل سازي ها نشان داد كه تاخيرهاي شماره (t1)، (t2)، (t12) و (t36) تاثيرگذارترين تاخيرهاي داده هاي سري زماني بودند. در انتها، مدل تركيبي برتر براي سه سطح تجزيه مختلف مورد ارزيابي قرار گرفت كه بهترين نتايج براي سطح تجزيه دوم بدست آمد. در حالت آزمون مقادير R و VAF و SI براي مدل برتر تركيبي به ترتيب مساوي با 972/، 94.455 و 0.226 بودند. بنابراين، نتايج شبيه سازي ها نشان داد كه تبديل موجك دقت مدل سازي را به شكل قابل توجهي افزايش داد.