تخمین ضریب رواناب رگبار با استفاده از سیستم استنباط فازی- عصبی تطبیقی (anfis) در حوزه آبخیز بار اریه نیشابور

فرآیند بارش رواناب و ایجاد سیلاب از پدیده های هیدرولوژیکی هستند که بررسی آنها به سبب تاثیرپذیری از پارامترهای مختلف، دشوار می باشد. تاکنون روش ها و الگو های مختلفی برای تحلیل این پدیده ها ارائه شده است. از این رو هدف این پژوهش ارزیابی شبکه عصبیفازی تطبیقی در پیش بینی ضریب رواناب رگبار است. به این منظور حوزه آبخیز بار اریه نیشابور انتخاب و داده های مربوط به 33 واقعه در بین سال های آماری 1331 تا 1385 جمع آوری گردید. به منظور انتخاب متغیرهای مستقل در برآورد ضریب رواناب از تجزیه و تحلیل عاملی استفاده شد، که براساس آن چهار متغیر مقدار متوسط بارندگی، چارک سوم، اول و چهارم شدت بارندگی و همچنین پنج متغیر شاخص ( phi ) و چارک های اول تا چهارم شدت بارش به عنوان عوامل اصلی برگزیده شدند. همچنین ترکیب سایر متغیرها براساس نقش هیدرولوژیکی آنها، به عنوان ورودی شبکه مدنظر قرار گرفت. نتایج نشان داد که شبکه با ورودی چارک های اول تا چهارم شدت بارندگی، مقدار کل بارش و شاخص phi و بارش پنج روز قبل ضریب رواناب رگبار را با ضریب تبیین آزمون 0.91 و ریشه میانگین مربعات خطا 0.02806 و متوسط قدر مطلق خطا 0.0275 پیش بینی کند.

Storm Runoff Coefficient Estimation Using Adaptive Neuro-Fuzzy Inference System in Barariyeh Watershed, Neishabour

The rainfallrunoff process and flooding are hydrological phenomena that are difficult to study due to the influence of different parameters. So far, different methods and models have been provided to analyze these phenomena. The purpose of this study is evaluation of adaptive neurofuzzy inference system (ANFIS) for storm runoff coefficient forecasting. To that end, Barariyeh watershed was chosen in Neishabour and the data of 33 events were collected from 1952 to 2006. Factor analysis (FA) was used for determination of independent variables in storm runoff coefficient forecasting. Four variables were selected as independent variables, including average rainfall, third, first and fourth quartiles of rainfall intensity and also five other variables included phi index and first to fourth quartiles of rainfall intensity. Other variables combined based on their hydrological role were considered as ANFIS inputs. The results revealed that the ANFIS inputs including first to fourth quartiles of rainfall intensity, phi index, and total rainfall of five days before can predict storm runoff coefficient with R2=0.91, RMSE=0.02506, MAE=0.0666 and CE=0.87.