پیش‌بینی رابطه دبی-اشل‌ در رودخانه‌ مند بوشهر با استفاده از هیبرید روش‌های fuzzy و gmdh

شناخت رابطه دبی- اشل در مدیریت و برنامه ریزی منابع آب و همچنین طراحی سازه های هیدرولیکی، سازماندهی رودخانه ها و برنامه ریزی برای سیستم های هشدار سیل دارای اهمیت بالایی می باشند. با پیشرفت علم و افزایش سرعت محاسبات، روش های جدیدی تحت عنوان سیستم های هوشمند ارائه گردیده است که استفاده از آنها می تواند گزینه بهتری جهت مدل سازی باشد. در این تحقیق به ترتیب از روش های هوشمند ترکیبی fuzzy-gmdh، rbf و anfis استفاده شده است. روشfuzzy-gmdh  که ترکیبی از دو تکنیک منطق فازی (fuzzy) و روش کنترل گروهی داده ها (gmdh) جهت پیش بینی دبی - اشل می باشد. جهت بررسی مدل‌ پیشنهادی از داده‌های واقعی و نرمال شده رودخانه مند واقع در استان بوشهر استفاده و نتایج  با دو روش شبکه های عصبی rbf و همچنین anfis مقایسه شده است. در ابتدا با استفاده از آنالیز حساسیت پارامترهای مهم تعیین و سپس روش های ذکر شده با شاخص‌های آماری از جمله ضریب ناش (nash) بررسی و مقایسه شده است. نتایج حاصله نشان داد که داده های خام در روش fuzzy-gmdh با مقدار 8822 /0=nash، دقت بالاتری را نسبت به داده های نرمال (8788 /0=nash) ارائه می دهد. از طرفی مدل fuzzy-gmdh دارای عملکرد بهتری در پیش بینی دبی روزانه نسبت به دو روش دیگر با مقادیر ضریب ناش به ترتیب 8555 /0 و 8776 /0 است.

prediction of stage–discharge relationship in bushehr mand river using hybrid fuzzy and gmdh methods

understanding the stage–discharge relationship is of great importance in the management and planning of water resources, as well as the design of hydraulic structures, the organization of rivers, and the planning of flood warning systems. with the advancement of science and increasing the speed of computing, new methods called intelligent systems have been introduced, the use of which can be a better option for modeling. in this research, fuzzy-gmdh, rbf and anfis combined intelligent methods have been used, respectively. the fuzzy-gmdh method, which is a combination of two techniques of fuzzy logic (fuzzy) and group method of data handling (gmdh) for flow-prediction. to study the proposed model, real and normalized data of mand river located in bushehr province were used and the results were compared with two methods of rbf and anfis neural networks. first, important parameters were determined using sensitivity analysis and then the mentioned methods were evaluated and compared with statistical indicators such as nash coefficient (nash). the results showed that the raw data in the fuzzy-gmdh method with a value of nash = 0.8822, offers higher accuracy than normal data (nash = 0.8888). on the other hand, the fuzzy-gmdh model has a better performance in predicting discharge daily than the other two methods with flow coefficient values of 0.8555 and 0.8776, respectively.