شبیهسازی جریان رودخانه به منظور آگاهی از آورد رودخانه در دورههای زمانی آینده از مسائل مهم و کاربردی در مدیریت منابع آب میباشد. در این پژوهش با استفاده از روشهای هوش مصنوعی (شبکه عصبی MLP , ANFIS با تفکیک شبکهای و خوشهای) و سریهای زمانی دبی ماهانه طالقانرود در محل ایستگاه گلینک در یک گام زمانی آینده پیشبینی گردید. برای مدلهای مختلف 2 ورودی متفاوت شامل: 1- مقادیر دادههای دبی بدون حذف روندهای فصلی 2- مقادیر داده دبی پس از حذف روندهای فصلی در نظر گرفته شد. برای سریهای زمانی مدل ARIMA(3,0,0)(0,1,1) به عنوان مدل مناسب انتخاب گردید. در روشهای هوش مصنوعی پس از پیش پردازش ساختار بهینه مدل با استفاده از دادههای ورودی و خروجی و به روش سعی و خطا تعیین و سپس اقدام به پیش بینی دبی گردید. پس از اینکه خروجی هر یک از مدلهای تکی بدست آمد اقدام به ساخت مدلهای ترکیبی گردید. در این پژوهش بهترین عملکرد را مدلهای ترکیبی 2 و 3 داشته بعد از این مدلها, مدلهای سریهای زمانی عملکرد بهتری نسبت به مدلهای شبکه عصبی و ANFIS با تفکیک خوشهای و شبکهای داشته اند.
Fathabadi A, Salajegheh A, mahdavi M. Streamflow Forecasting Using Neuro-Fuzzy and Time Series Methods. jwmseir 2009; 2 (5) :21-30 URL: http://jwmsei.ir/article-1-90-fa.html
فتح آبادی ابوالحسن، سلاجقه علی، مهدوی محمد. پیشبینی دبی رودخانه با استفاده از روشهای نوروفازی و مدلهای سریهای زمانی. مجله علوم ومهندسی آبخیزداری ایران. 1387; 2 (5) :21-30
به اطلاع کلیه نویسندگان ، محققین و داوران محترم می رساند:با عنایت به تصمیم هیئت تحریریه مجله علمی پژوهشی علوم و مهندسی آبخیزداری فرمت تهیه مقاله به شکل پیوست در بخش راهنمای نویسندگان تغییر کرده است. در این راستا، از تاریخ ۱۴۰۳/۰۱/۲۱ کلیه مقالات ارسالی فقط در صورتی که طبق راهنمای نگارش جدید تنظیم شده باشد مورد بررسی قرار خواهد گرفت.