پیش بینی جریان روزانه رودخانه با استفاده از سیستم استنتاج فازی (مطالعه موردی: حوضه آبریز لیقوان چای)

رودخانه ها، بخش عمده و قابل توجهی از منابع آب کشورمان را تشکیل می دهند. رشد میزان مصرف آب از یک سو و محدودیت این منابع حیاتی از سویی دیگر، نیاز به مدیریت بهره برداری از این منابع را بیش از پیش، آشکار می سازد. در سال های اخیر استفاده از تئوری مجموعه های فازی جهت مدل سازی پدیده های هیدرولوژیکی که دارای پیچیدگی و عدم قطعیت بالایی هستند، مورد توجه محققین قرار گرفته است. به همین دلیل، در این پژوهش از سیستم استنتاج فازی (fis) برای انجام فرآیند پیش بینی جریان استفاده شده است. در این پژوهش از سه پارامتر بارندگی، دما و دبی روزانه حوضه آبریز لیقوان چای (از سال آبی 67-66 تا سال آبی 86-85) برای پیش بینی جریان روزانه رودخانه لیقوان، استفاده شد. سپس 15 سال (از سال آبی 1367-1366 تا سال آبی 1381-1380) به عنوان آموزش و 5 سال (از سال آبی 1382-1381 تا سال آبی 1386-1385) به عنوان آزمون مدل انتخاب شد. در ادامه جهت تعیین تأخیرهای بهینه پارامترهای ورودی، کرولوگرام داده ها مورد بررسی قرار گرفت. نهایتاً جهت بررسی دقیق تر مدل ها و همچنین بررسی تأثیر دما در پیش-بینی، فرآیند پیش بینی جریان در سه بخش پیش بینی در حالت کلی، پیش بینی با تفکیک ماه ها و پیش بینی با دبی روزهای قبل انجام شد. پس از این مرحله، جهت مقایسه عملکرد سیستم استنتاج فازی با سایر مدل ها، سیستم استنتاج فازی- عصبی تطبیقی (anfis) انتخاب شد. ارزیابی نتایج پیش بینی های هر دو مدل با استفاده از معیارهای گوناگون از جمله معیار ناش- ساتکلیف نشان داد، بهترین نتایج مربوط به مدل دوم بخش اول (مدل p2m1 و بوسیله anfis) بوده و این مدل به عنوان مدل بهینه می باشد. همچنین در بررسی تأثیر دمای روزانه بر پیش بینی مشخص شد که دما در حالت کلی تأثیری در پیش بینی نداشته اما با تفکیک ماه ها مشاهده شد که دما در ماه های آذر و فروردین برای مدل fis و در ماه مهر برای مدل anfis، بر فرآیند پیش بینی موثر بوده و باعث افزایش دقت آن می گردد. مقایسه نتایج دو روش ارائه شده نتایج نشان می دهد که مدل anfis در پیش بینی جریان نسبت به مدل fis از دقت بالاتری برخوردار است.