ارزيابي ارتباط زماني خشكسالي هاي هواشناسي و آبشناسي با كاربرد برنامه‌ريزي هاي ژنتيك (GP) و سامانه‌ي استنتاج تطبيقي عصبي- فازي (ANFIS) در حوضه‌ي آبخيز صوفي‌چاي

An Assessment of the ANFIS and GP techniques in Predicting Hydrological Drought from Meteorological Drought for the Sufi-Chai catchment

پيش‌بيني پديده‌هايي نظير خشكسالي، كه گاهي آثار زيان بار آنها جبران پذير نيست، يكي از مهمترين مسايل براي محققان بوده است. در اين پژوهش با بهره‌وري از داده‌هاي بارش و جريان هاي ماهانه‌ي40 ساله (1349-1388) در حوضه‌ي آبخيز صوفي‌چاي واقع در استان آذربايجان شرقي، دوره‌هاي خشكي مربوط به هر گروه داده بارش و جريان، با كاربرد روش رژيم بهنجار ماهانه استخراج گرديد، سپس ارتباط زماني بين خشكسالي هاي هواشناسي و آبشناسي با كاربرد روش هاي هوش مصنوعي نظير GP و ANFIS بررسي شد تا با استفاده از شبيه مناسب تر بتوان با داشتن خشكسالي هاي هواشناسي، خشكسالي-هاي آبشناسي را از نظر زمان وقوعشان، قبل از رخدادن آنها پيش‌بيني كرد. دو روش مزبور با به‌بكارگيري آماره‌هاي مناسب، مانند ضريب همبستگي (r2)، مجذور ميانگين مربعات خطا (RMSE) و ميانگين مطلق انحرافات (MAD) ارزيابي شدند؛ نتايج نشان دادند كه بين هر دو خشكسالي، در هر دو شبيه انتخاب شده، همبستگي بالايي با ضريب همبستگي در حدود 99/0 وجود دارد، كه بيانگر نيكويي هر دو شبيه در ايجاد ارتباط زماني بين خشكسالي هاي هواشناسي و آبشناسي مي‌باشد. با توجه به معيارهاي خطا مي‌توان نتيجه گرفت كه مي‌توان زمان رخدادن خشكسالي آبشناسي را با كاربرد روش ANFIS، و با آماره‌هاي 98/4 RMSE= و83/3 MAD= نسبت به شبيه GP با 437/6 RMSE= و 201/5 MAD= با اطمينان بيش تري پيش‌بيني كرد.

Hydrological drought (HD) is the most devastating natural phenomena that are falls the inhabitants of dry lands as its dive consequences may not be compensated. Therefore, its prediction has been puzzling researchers from time immemorial. As this phenomenon is directly related to the meteorological drought (MD) we decided to establish a relationship between the two for the Sufi-Chai Catchment, the Province of East Azarbaijan, benefitting from 40 years (1950-1989) of monthly precipitation and stream flow data. Using the normal monthly regime method, the drought periods data relating to each series of precipitation and stream flow were extracted and their relationship were established using the GP and ANFIS artificial intelligence techniques in order to predict the occurrence of drought. The accuracy and precision of these 2 techniques were evaluated using the correlation coefficient (r2), root mean square error (RMSE) and mean absolute deviation (MAD). The very high r (0.99) indicated that both techniques correctly predicted the temporal occurrence of HD from MD. The results indicated that ANFIS with the RMSE=4.98 and MAD of 3.83 was superior to GP with the RMSE=6.437 and MAD of 5.021.