بکارگیری سیستم فازی - عصبی تطبیقی در مدلسازی بارش - رواناب

حجم رواناب ایجاد شده توسط باران در حوضه های رود مورد توجه پژوهشگران در بخشها ی مختلف مدیریت منابع آب می باشد پیچیدگی و عدم قطعیت درسیستمهای هیدرولوژیکی کمبود اطلاعات در بسیاری از فرایندهای هیدرولوژیکی مبهم و غیرصریح بودن این داده ها استفاده از مدلهای فیزیکی را مشکل می نماید در نتیجه باعث می شود تا از انالیز عدم قطعیت در زمینه بارش رواناب که از اصلی ترین فرایندهای هیدرولوژیکی است افزایش یابد دراین تحقیق دو مدل ANFIS,ANN جهت پیش بینی رواناب ماهانه حوضه زیارت گرگان ارائه گردیده است برای این منظور بعد از معرفی سیستم استنتاج فازی - عصبی تطبیقی ، چگونگی تعیین دقیق ترین مدل تشریح شده است و سپس نتایج این مدل با شبکه عصبی مصنوعی و روش رگرسیون مقایسه و مقدار تنش ساتکلیف و کمترین خطا محاسبه می شود و در نتیجه مدل برتر معرفی می گردد.

کلیدواژه ها:

فازی - عصبی ، عصبی ، مدل بارش - رواناب