ارزیابی مدل‌های هوش مصنوعی در تخمین دبی سیلاب

برآورد دبی اوج به‌عنوان یکی از مباحث اصلی در مدیریت منابع آبی و سیلاب  نقش اساسی در طراحی سازه‌ های آبی و اقدامات بیومکانیکی در حوزه ‌های آبخیز دارد، به‌طوری ‌که برآورد صحیح آن نقش اساسی در موفقیت کار های اجرایی دارد. در این بررسی، سعی شده با استفاده از روش‌ های هوش مصنوعی (شبکه عصبی mlp، ترکیب شبکه عصبی mlp و شبکه sofm، grnn، ترکیب خوشه‌بندی fcm و anfis) دبی بیشینه رودخانه یلفان در محل ایستگاه هیدرومتری برآورد شود. به این منظور، در این دو مدل هشت متغیر که شامل بارندگی مربوط به روز وقوع سیل، بارندگی‌ های پنج روز قبل، دبی پایه در روز وقوع سیل و cn حوضه به‌عنوان پارامتر های ورودی و دبی پیک به‌عنوان خروجی در نظر گرفته شده است. سپس، با استفاده از روش هوش مصنوعی و پیش پردازش داده‌ ها، ساختار بهینه مدل‌ها با استفاده از داده‌ های ورودی و خروجی و با ملاک قراردادن معیار های ارزیابی، به روش سعی و خطا تعیین شد. نتایج نشان داد که  شبکه عصبی پرسپترون چند لایه (mlp) عملکرد بهتری در برآورد دبی سیلاب نسبت به مدل ترکیبی anfis+fcm ،mlp+sofm ،grnn در حوضه یلفان دارد.