ارزیابی روش عصبی-فازی در تخمین بارندگی (مطالعه موردی: شهر…

چکیده مقاله

بارش یکی از مهم ترین داده های ورودی به سیستم های هیدرولوژیکی محسوب می شود اطلاعات دقیق در مورد بارش برای مدیریت منابع آب ضروری و حیاتی است در این پژوهش از مدل سیستم استنتاج تطبیقی عصبی فازی CANFIS به منظور پیش بینی بارش سالانه شهر همدان استفاده شد برای این منظور از اطلاعات ایستگاه سینوپتیک فرودگاه همدان طی سال های 1977 تا 2010 بهره گرفته شد بدین جهت از دو گروه داده های هواشناسی غیربارشی شامل ماکزیمم رطوبت نسبی، میانگین رطوبت نسبی، ابرناکی، ماکزیمم دما و مینیمم دما و داده های بارشی در گام های زمانی قبل t 1 و t 2 و t 3 به عنوان ورودی استفاده شد بهترین ساختار در تعیین بارندگی با پارامترهای غیر بارشی، ساختار با دو تابع عضویت گوسین دارای میانگین مربعات خطا RMSE ، میانگین مجذور مربعات خطای نرمال NRMSE میانگین قدر مطلق خطا MAE ، میانگین خطای اریب MBE به ترتیب 12/95 و 0/04 و 51/69 و 13/98 بود ساختار بهینه در تعیین بارندگی با پارامترهای بارشی، با سه تابع عضویت زنگوله ای دارای RMSE و NRMSE و MAE و MBE به ترتیب 66/32 و 0/21 و 56/89 و 4/63 بود با توجه به یافته های تحقیق اجرای مدل CANFIS با پارامترهای غیربارشی از نظر آماره های خطا سنجی بهتر از پارامترهای بارشی ارزیابی گردید