وحید نورانی - دانشایردانشکده فنی و مهندسی عمران دانشگاه تبریز
محمدعلی کی نژاد - استاددانشکده مهندسی عمران دانشگاه صنعتی سهند
لیلا ملکانی - دانشجوی دکتری مهندسی عمران - آب

پیش بینی صحیح و دقیق رواناب میتواند نقش بسزایی درفایق امدن برمشکلات وافرسیلاب داشته باشد پیچیدگی سیستم های طبیعی ازجمله فرایندهای هیدرولوژیکی استفاده ازمدلهای فیزیکی را مشکل مینماید ازدهه گذشته استفاده ازمدلهای بارش رواناب همچون مدل فازی توسعه یافته است مدل فازی میتوانددرشبیه سازی فرایندهای با اطلاعات ناقص و غیردقیق بکارگرفته شود دراین تحقیق سه مدل هوشمند شبکه های عصبی مصنوعی سیستم استنتاج فازی و سیستم فازی - عصبی تطبیقی جهت پیش بینی رواناب ماهانه و روزانه درحوضه ابریز لیقوان چای واقع دراستان اذربایجان شرقی ارایه گردیده است درنهایت نتایج سه مدل مذکور با نتایج بدست امده ازروشهای رگرسیون خطی و مدل سری زمانی ARIMA مقایسه شده است عمده ترین مزیت مدلسازی فازی سادگی و قابل فهم بودن آن است ازطرفی چون پارامترهای بارش و رواناب بکاررفته درمدلسازی مفروض به خطا و دارای عدم قطعیت می باشند بنابراین منطق فازی ابزار مناسبی جهت مدلسازی این سیستم ها است و مدلسازی فازی تطبیقی و استنتاجی ازسایر مدلها دقیقتر بوده و بیشترین مقدارنش - ساتکلیف و کمترین خطا را درپی داشته است

مدلسازی بارش - رواناب، شبکه های عصبی مصنوعی، سیستم استنتاج فازی، سیستم فازی - عصبی تطبیقی، مدل سری زمانی