شبیه سازی دبی جریان رودخانه بااستفاده از شبکه عصبی مصنوعی و مدل نروفازی «مطالعه موردی :رودخانه ایستگاه سیخوران بندرعباس »

از مهم ترین مسائل در مدیریت حوزه های آبخیز, پیش بینی فرآیندهای هیدرولوژیکی می باشد. استفاده از مدل های جدید در این زمینه می تواند به مدیریت و برنامه ریزی صحیح کمک کند. علاوه برآن پیش بینی جریان رودخانه, مخصوصا در شرایط سیلابی, به مسوولان این امکان را خواهد داد که با آمادگی خسارات ناشی از سیل را کاهش دهند. یکی از روش هایی که اخیرا برای پیش بینی و برآورد میزان دبی رودخانه ها به کار می رود, مدل نروفازی است. نروفازی با بررسی و تشخیص روابط بین ورودی ها و خروجی, به برآورد خروجی مطلوب می پردازد. در این مطالعه مقادیر بارندگی و دبی روزانه ایستگاه های مختلف موجود در سطح حوزه آبخیز سیخوران, به عنوان ورودی به مدل نروفازی وارد شد و با توجه به نمایه های آماری (ریشه میانگین مربعات خطا, ضریب همبستگی و تبیین), بهترین ساختار نروفازی و ترکیب ورودی ها جهت پیش بینی جریان رودخانه مشخص گردید.که با توجه به دیتاهای تشکیل دهنده به مدت ۱۰ سال به صورت روزانه از دو ایستگاه هیدرومتری و ایستگاه سینوپتیک به اسم سیخوران در استان هرمزگان روستای سیاهو شامل میشود و ایستگاه سینوپتیک سیخوران از لحاظ مختصات جغرافیایی به طول ۳۰-۲۸-۵۶ و به عرض ۰۷-۵۰-۲۷ و به ارتفاع ۹۰۰ متری از سطح دریا می باشد و ایستگاه هیدرومتری سیخوران از لحاظ مختصات جغرافیایی به طول ۰۶-۳۴-۵۶ و عرض ۱۴-۳۰-۲۷ و ارتفاع ۱۲۰ متری از سطح دریا می باشد در مورد ساختار شبکه عصبی مصنوعی در این پروژه در سالهای اخیر از شبکه عصبی مصنوعی ANN وسیستم استنتاج فازی ANFIS در شبیه سازی جریان رودخانه یکی از مسائل در هیدرولوژی می باشد که در طراحی و برنامه ریزی منابع آب نقش مهمی دارد سیستم فازی بر پایه شبکه عصبی تطبیغی یک از روش های کارآمد در زمینه شبیه سازی و دبی رودخانه می باشد در این تحقیق با استفاده از یک سیستم بر پایه شبکه عصبی تطبیغی و با توجه به دادهای موجود و به مننظور صحت سنجی با بکار بردن بخشی از داده ها و نتایج حاصل از مدل ANFIS با توابع عضویت مختلف و با استفاده از آزمون های آماری نظیر SSE و MSE و RMSE و R۲ و نهایتا نهایتا مدل ANN شبکه عصبی مصنوعی با تابع ۳ لایه Log Sig-Tan Sig-Purelin)) کمترین خطا و بهترین نتیجه رو داد.

کلیدواژه ها:

شبکه عصبی ، نروفازی ، ANFIS ، هیدرولوژی