پیش‏ بینی رواناب با استفاده از مدل‏ های هوشمند

پیش‏بینی رواناب رودخانه‏ها به‌دلیل اهمیت زیاد آن در برنامه‏ریزی‏ها، بهره‏برداری از مخازن و همچنین مدیریت آب‏‏های سطحی همواره مورد توجه مسئولان، برنامه‏ریزان و مهندسان آب و منابع آبی بوده است. از طرفی، به‌دلیل تغییرات زمانی و مکانی موجود، روابط غیرخطی و عدم قطعیت و بسیاری از عوامل دیگر پیش‏بینی رابطۀ بارش‌ رواناب بسیار مشکل است، اما امروزه استفاده از سامانه‏های هوشمند در پیش‏بینی چنین پدیده‏های پیچیده‌ای می‏تواند مفید و موثر باشد. در این پژوهش سعی شده است با استفاده از داده‏های هواشناسی و هیدرومتری طی دورۀ زمانی 1349-1350 تا 1390-1391 رواناب در حوضۀ آبخیز امامه با استفاده از مدل‏های شبکۀ عصبی پرسپترون چندلایه، تابع پایۀ شعاعی و سیستم عصبی فازی تطبیقی تخمین زده شود. نتایج نشان داد از بین مدل‏های یادشده سیستم عصبی فازی تطبیقی عملکرد بسیار زیادی داشته است و به‌خوبی می‏تواند رواناب را پیش‏بینی کند به‌طوری‏که با توجه به خطاها ساختار 54 با هشت ورودی شامل بارندگی و دبی تا تاخیر دو روز و دما، تبخیر و تعرق و رطوبت نسبی همان روز که دارای تابع عضویت گوسی و جداسازی از نوع خوشه‏ای با خطای mse، rmse و mae به‌ترتیب 0.001، 0.025 و 0.008 در مرحلۀ آموزش و 0.001، 0.026 و 0.008 در مرحلۀ آزمایش به‌عنوان بهترین مدل حوضۀ امامه بوده است.