مدل سازی بارش-رواناب با سیستم استنتاج فازی-عصبی تطبیقی (anfis) و رگرسیون خطی چندمتغیره (mlr)

در این پژوهش، کارآیی سیستم فازی-عصبی برای برآورد رواناب ناحیه کوهستانی حوضه هراز مورد ارزیابی قرار گرفت. هدف ایجاد مدلی با توابع و درجه عضویت مناسب است که بتواند رابطه بارندگی -رواناب را در یک حوضه به درستی برقرار کند. بدین منظور برای پیش بینی رواناب، 44 ترکیب مختلف از پارامترهای بارندگی، دما، تبخیر، دبی جریان و شاخص بارش پیشین با تاخیر زمانی بین آنها به صورت روزانه طی دوره 32 سال آماری وارد مدل anfis گردید. از بین ترکیبات مختلف ورودی، ساختار بارندگی و دمای متوسط روز جاری، شاخص رطوبتی و دبی یک روز قبل به عنوان مدل مناسب انتخاب شد. نتایج حاصل از آزمون آماری t test برای تعیین اختلاف معنی داری نشان داد که بین دو روش anfis و mlr اختلاف معنی داری وجود ندارد. روش anfis با تابع عضویت مثلثی شکل درجه دو با معیارهای آماری 2.67= rmse، 4.16= ve، 0.98= r^2 و 0.97= ef نسبت به روش mlr با 2.83= rmse، 4.55= ve، 0.94= r^2 و 0.92= ef در دوره آزمون، عملکرد بهتری در مدل سازی بارش رواناب ناحیه کوهستانی حوضه هراز دارد.