TY - JOUR ID - 73907 TI - برآورد بارش دراز مدت شهر انزلی توسط مدل ترکیبی سیستم‌های استنتاج فازی عصبی تطبیقی و تبدیل موجک JO - تحقیقات آب و خاک ایران JA - IJSWR LA - fa SN - 2008-479X AU - پسندیده, ایرج AU - ایزدبخش, محمد علی AU - شعبانلو, سعید AD - دانشجوی دکتری منابع آب، گروه مهندسی آب، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران AD - گروه مهندسی آب، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران AD - دانشیار گروه مهندسی آب، واحد کرمانشاه، دانشگاه آزاد اسلامی Y1 - 2019 PY - 2019 VL - 50 IS - 7 SP - 1733 EP - 1745 KW - بارش KW - انفیس KW - موجک KW - تحلیل حساسیت KW - شبیه‌سازی DO - 10.22059/ijswr.2019.274412.668104 N2 - در سال­های اخیر، میزان بارش در نواحی مختلف به خصوص در نواحی خشک و نیمه‌خشک، دچار تغییرات چشم­گیری شده است. بنابراین، تخمین و الگوشناسی بارش در یک بازه دراز مدت می­تواند به هیدرولوژیست­ها و مهندسین آب اطلاعات کافی ارائه کند. در این مطالعه برای اولین بار، بارندگی دراز مدت شهر انزلی در یک بازه زمانی 67 ساله توسط مدل عددی موجک- سیستم استنباط فازی عصبی تطبیقی (WANFIS) شبیه‌سازی شد. برای آموزش، آزمون و صحت­سنجی مدل­های هوش مصنوعی به ترتیب از بارش­های 37، 20 و 10 ساله استفاده شد. در ابتدا، بهینه­ترین تابع عضویت شبکه انفیس با استفاده از تجزیه و تحلیل نتایج مدل­های مختلف به دست آمد. به عبارت دیگر، تعداد توابع عضویت بهینه برابر با هشت در نظر گرفته شد. سپس اعضای مختلف خانواده موجک مورد ارزیابی قرار گرفتند که dmey به­عنوان بهینه­ترین عضو این خانواده­ها معرفی شد. در ادامه، با استفاده از تابع خودهمبستگی، خودهمبستگی نسبی و تأخیرهای مختلف، 15 مدل WANFIS توسعه داده شدند. علاوه بر این، با استفاده از تحلیل حساسیت، مدل برتر و تأخیرهای مؤثر معرفی شدند. مدل برتر، مقادیر بارش را با دقت بالایی تخمین زد. به­عنوان مثال، مقادیر ضریب همبستگی، شاخص پراکندگی و نش ساتکلیف برای مدل برتر در حالت صحت­سنجی به ترتیب مساوی با 962/0، 258/0 و 899/0 محاسبه شدند. UR - https://ijswr.ut.ac.ir/article_73907.html L1 - https://ijswr.ut.ac.ir/article_73907_5ef07af019b59d2023a65e210c795578.pdf ER -