محمد ستوده پور - کارشناس ارشد سازه های هیدرولیکی، دانشگاه آزاد اسلامی واحد لارستان، مهندسین مشاور ایمن طرح فرودراه
کیانوش پیکری - دانشجوی کارشناس ارشد مهندسی زلزله دانشگاه صنعتی شیراز،مهندسین مشاور ایمن طرح فرودراه

در این پژوهش به شبیه سازی معادله بیلان هیدرولوژیکی دشت با استفاده از دو نرم افزار سری زمانی و شبکه هایفازی عصبی- استنتاجی تطبیقی پرداخته ایم. ابتدا داده های آماری هیدرولوژیکی را که شامل دبی، بارش، دما، رطوبت، تبخیر، سرعت باد، جهت باد، تراز آب زیرزمینی را از ایستگاه های سینوپتیک و هیدرومتری موجود درمنطقه مورد مطالعه بدست می آوریم. طول دوره های آماری باید کافی باشد. سپس تمام آمارهای موجود را همزمانمی کنیم و در نهایت از 80 % داده ها جهت آموزش شبکه و 20 % داده ها جهت تست مدل استفاده می کنیم. با توجهبه معادله بیلان (P – R – G – ET = ΔS) با استفاده از نرم افزار ITSM (سری زمانی) و سپس با استفاده ازنرم افزار MATLAB (شبکه های فازی عصبی تطبیقی) به شبیه سازی بارش، رواناب، تراز آب زیرزمینی و تبخیر می پردازیم. در شبکه های فازی عصبی استنتاجی تطبیقی جهت صحت سنجی مدل، انواع الگوهای مختلف را جهت شبیه سازی اجزای معادله بیلان و تا حداکثر 2 ماه تاخیر را برسی می کنیم و در نهایت الگوی برتر را انتخابمی کنیم. معیار ارزیابی جهت انتخاب مدل برتر بین 2 مدل سری زمانی و شبکه های فازی عصبی- استنتاجی تطبیقی، ضریب همبستگی ((R(2) و مجذور میانگین مربعات خطا (RMSE) می باشد. مدلی که دارای ضریبهمبستگی بیشتر و مجذور میانگین مربعات خطای کمتری داشته باشد به عنوان مدل برتر انتخاب می شود.نتایج این تحقیق نشان می دهد که شبکه های فازی عصبی استنتاجی تطبیقی توانایی بالاتری را در شبیه سازی اجزای معادله بیلان را در مقیاس ماهانه در دشت جم دارد.

بیلان هیدرولوژیکی، سری زمانی، شبکه فازی عصبی- استنتاجی تطبیقی