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.

تقاضای چشمگیر فزاینده برای مصرف آب ناشی از رشد جمعیت از یک سو، و منابع آب محدود از سویی دیگر، کمبود آب را به مسئله ای حیاتی در کشورمان تبدیل می نماید. این امر، به نوبه خود، اثری مخرب بر روی رودخانه ها و جریان های ورودی به مخازن سدها دارد. بنا بر این، پیش بینی جریان رودخانه برای مدیریت کیفیت آب، تولید برق آبی، سیستم های آبیاری و مدیریت بهره برداری از مخازن سدها ضروری است. در سال های اخیر، به استفاده از روش های هوش مصنوعی جهت مـدل سازی پدیده های هیدرولوژیکی که دارای پیچیدگی و عدم قطعیت بالایی هستند، توجه زیادی معطوف شده است. در این پژوهش کارایی سیستم استنتاج فازی (fis)، سیستم استنتاج فازی- عصبی تطبیقی (anfis) و مدل تلفیقی تبدیل موجک-فازی عصبی(wavelet-anfis) برای پیش بینی جریان روزانه ورودی به سد بر اساس داده های روزانه برای یک دوره آماری 20 ساله شامل بارندگی، دما و دبی جریان ورودی(از سال آبی 69-1368 تا 88-1387) به طور مقایسه ای مورد ارزیابی قرار گرفته است. بهترین ترکیب ورودی مدل با استفاده از آزمون گاما، میانگین درجه حرارت دو روز قبل، مقادیر جریان رودخانه در روز قبل و دو روز قبل و بارندگی همان روز انتخاب گردید که این ترکیب ورودی دارای کمترین میزان گاما می باشد. همچنین با استفاده از آزمون m، 5840 داده جهت آموزش و 1460 داده جهت آزمون مدل تعیین شد. پس از انجام پیش بینی با استفاده از مدل anfis و مدل تلفیقی anfis و موجک، کارایی این دو مدل بر اساس معیارهای آماری ضریب ناش- ساتکلیف (cns)، ضریب همبستگی(r)، ریشه دوم میانگین مربعات خطا(rmse) و میانگین قدر مطلق خطا (mae) مورد ارزیابی قرار گرفت که برای مدل anfis به ترتیب برابر 834/0، 92/0، 59/0 و 249/0 و برای مدل تلفیقی anfis و موجک به ترتیب برابر 922/0، 961/0، 406/0 و 248/0 بدست آمد نتایج حاصله نشان دهنده دقت بالاتر مدل تلفیقی anfis و موجک نسبت به مدل anfisبه منظور پیش بینی جریان روزانه ورودی به سد بوستان می باشد.

انسان ها از دیرباز سعی داشته اند تا در پهنه طبیعت به گونه ای استقرار یابند که حداکثر استفاده از محیط و منابع طبیعی را داشته باشند. استقرار سکونتگاه های انسانی در کنار رودخانه، راه های ارتباطی و در بستر دلتاها بیانگر این مدعاست. در برنامه ریزی های منطقه ای و توسعه سرزمین، یکی از مسائل اساسی مورد توجه برنامه ریزان، شناسایی مناطق مناسب به منظور استقرار و توسعه انواع فعالیت ها و سکونتگاه های مرکزی است. توزیع نامناسب و نبود توجه به ظرفیت های محیطی از جمله معضلات الگوی فضایی استقرار مراکز از جمله دهستان ها می باشد زیرا که استقرار بهینه مراکز دهستان، موجب امکان ارائه خدمات بهتر توسط دولتها و دسترسی آسان روستاییان به خدمات و صرفه اقتصادی می شود و نیز پایداری توسعه روستایی را تضمین می کند. این پژوهش در نظر دارد با استفاده از مدل تحلیل سلسله مراتبی (ahp) و با توجه به مولفه های موثر در مکان یابی مراکز دهستان و استفاده از سیستم اطلاعات جغرافیایی(gis)، مکان های مناسب برای استقرار مراکز دهستان در شهرستان ارومیه را شناسایی و بصورت نقشه هایی ارائه دهد و با وضعیت موجود مراکز دهستان مقایسه کند. برای این منظور از نرم افزارexpert choice استفاده می شود.