برآورد بارش دراز مدت شهر انزلی توسط مدل ترکیبی سیستم‌های استنتاج فازی عصبی تطبیقی و تبدیل موجک

در سال های اخیر، میزان بارش در نواحی مختلف به خصوص در نواحی خشک و نیمه‌خشک، دچار تغییرات چشم گیری شده است. بنابراین، تخمین و الگوشناسی بارش در یک بازه دراز مدت می تواند به هیدرولوژیست ها و مهندسین آب اطلاعات کافی ارائه کند. در این مطالعه برای اولین بار، بارندگی دراز مدت شهر انزلی در یک بازه زمانی 67 ساله توسط مدل عددی موجک سیستم استنباط فازی عصبی تطبیقی (wanfis) شبیه‌سازی شد. برای آموزش، آزمون و صحت سنجی مدل های هوش مصنوعی به ترتیب از بارش های 37، 20 و 10 ساله استفاده شد. در ابتدا، بهینه ترین تابع عضویت شبکه انفیس با استفاده از تجزیه و تحلیل نتایج مدل های مختلف به دست آمد. به عبارت دیگر، تعداد توابع عضویت بهینه برابر با هشت در نظر گرفته شد. سپس اعضای مختلف خانواده موجک مورد ارزیابی قرار گرفتند که dmey به عنوان بهینه ترین عضو این خانواده ها معرفی شد. در ادامه، با استفاده از تابع خودهمبستگی، خودهمبستگی نسبی و تاخیرهای مختلف، 15 مدل wanfis توسعه داده شدند. علاوه بر این، با استفاده از تحلیل حساسیت، مدل برتر و تاخیرهای موثر معرفی شدند. مدل برتر، مقادیر بارش را با دقت بالایی تخمین زد. به عنوان مثال، مقادیر ضریب همبستگی، شاخص پراکندگی و نش ساتکلیف برای مدل برتر در حالت صحت سنجی به ترتیب مساوی با 0.962، 0.258 و 0.899 محاسبه شدند.

LongTerm Rainfall Estimation in Anzali City Using the Hybrid WaveletAdaptive NeuroFuzzy Inference System Model

Recently, the amount of rainfall underwent serious changes in different areas, particularly in arid and semiarid regions. Therefore, estimation and pattern recognition of rainfall in a long term period can give sufficient information to hydrologists and water engineers. In this study, for the first time, longterm rainfall pattern in Anzali city for a 67 years period was simulated using a hybrid model socalled “WaveletAdaptive NeuroFuzzy Inference System” (WANFIS). Rainfalls of 37, 20 and 10years period were applied for training, testing and validation of the numerical model, respectively. Firstly, the optimized membership function of the ANFIS network was obtained using the analysis of the numerical results. In other words, the number of optimized membership function was computed to be equal to 8. Then, the various wavelet families were evaluated which the dmey mother wavelet was introduced as the most optimized wavelet family. Next, using the autocorrelation function (ACF), the partial autocorrelation function (PACF) and different lags, 15 WANFIS models were developed. According to the sensitivity analysis, the superior model and effective lags were identified. The superior model estimated the rainfall with high accuracy. For instance, for validation mode of the superior model, the correlation coefficient, scatter index and NashSutcliffe efficiency coefficient were computed to be 0.962, 0.258 and 0.899, respectively.