مقایسه عملکرد مدل‌های شبکه عصبی و فازی در تعیین دبی ماهانه جریان با استفاده از آمار کوتاه مدت.

بهره‌برداری بهینه از سیستم­های منابع آب و به خصوص تعیین زمان واقعی کارکرد مخازن سدها، مستلزم پیش‌بینی آورد رودخانه‌هاست. در این مقاله عملکرد مدل‌های منطق فازی (FL) و شبکه عصبی مصنوعی (ANN) برای پیش‌بینی یک و دو ماه بعد جریان حوضه کارون در محل ایستگاه هیدرومتری پل­شالو با هم مقایسه شده است. در این راستا از سیستم استنتاجی ممدانی برای ساخت مدل‌های FL و همچنین شبکه­های پیشرو سه لایه برای مدل‌سازی توسط ANN استفاده گردید. بررسی عملکرد این مدل‌ها با شاخص‌های ضریب تبیین(R2)، میانگین قدر مطلق خطا (MAE) و ریشه میانگین مربعات خطا (RMSE) نشان داد که در شرایط کم بودن داده‌ها، مدل FL نسبت به مدل ANN در پیش‌بینی یک و دو ماه بعد جریان از نظر آماری عملکرد بهتری داشته است. این عملکرد بهتر به طور متوسط مقادیری برابر 25% و 7% را به ترتیب برای R2 و RMSE در پیش­بینی جریان اسفند ماه به همراه داشته است. نتایج بدست آمده از این دو مدل با مدل رگرسیون خطی چندگانه (MLR) نیز مقایسه گردید که عدم عملکرد مناسب آن را نشان می‌داد.