ارزیابی روشهای استنتاج فازی- عصبی و شبکه عصبی مصنوعی در برآورد بار رسوب معلق رودخانه سفیدرود

در تحقیق حاضر، مقایسه تخمین بار رسوب معلق در سدهای مخزنی با استفاده از شبکه عصبی مصنوعی و سیستم استنتاج فازی- عصبی مورد ارزیابی قرار گرفته است. ورودی مدلسازی شامل دبی متوسط روزانه رودخانه سفیدرود و خروجی از مدل، غلظت رسوب در گام زمانی با بهره گیری از نرم افزار MATLAB بوده است. از تعداد 229 داده موجود 182 داده به عنوان داده های آموزشی و 47 داده برای آزمون بکار برده شده است. ورودی و خروجی رسوب دارای روند مثبت بوده و 80 درصد داده ها جهت آموزش و 20 درصد داده ها جهت آزمون شبکه مورداستفاده قرار گرفته است. نتایج بدست آمده نشان میدهند که پیشبینی غلظت بار معلق رسوب حاصل از سیستم استنتاج فازی-عصبی به داده های واقعی غلظت رسوب نزدیکترند و ضریب همبستگی حاصل از سیستم استنتاج فازی- عصبی معادل 90 درصد میباشد. این در حالی است که ضریب همبستگی برای مدلسازی با شبکه عصبی مصنوعی معادل 83 درصد بدست آمده است. لذا سیستم استنتاج فازی- عصبی در پیشبینی میزان رسوب معلق نسبت به مدل شبکه عصبی مصنوعی دارای کارایی بهتری میباشد.

کلیدواژه ها:

سیستم استنتاج فازی- عصبی ، شبکه عصبی مصنوعی ، غلظت بار رسوب