TY - JOUR JF - jwmr JO - jwmr VL - 6 IS - 11 PY - 2015 Y1 - 2015/7/01 TI - Investigation for Application of Adaptive Neuro-Fuzzy Inference System (ANFIS) in Babolroud Suspended sediment Load Estimation TT - بررسی امکان کاربرد سیستم استنتاج فازی- عصبی تطبیقی (ANFIS) در برآورد بار رسوب معلق بابل‌رود N2 - برآورد بار رسوبی یکی از مهم­ترین مسائلی است که در مدیریت رودخانه‌ها و مخازن سدها و به طور کلی در پروژه‌های آبی اهمیت بسزائی دارد. تعداد روابط تجربی ارائه شده نشان می‌دهد هنوز روش تحلیلی یا تجربی مناسبی برای تخمین صحیح بار رسوب معلق پیشنهاد نشده است. در پژوهش حاضر، به منظور دستیابی به تخمینی نزدیک به واقعیت از میزان حمل رسوبات ایستگاه قرآن تالار بابل­رود، از سیستم استنتاج فازی- عصبی تطبیقی ( ANFIS ) به عنوان یکی از روش­های هوش مصنوعی استفاده شده است. ابتدا، ترکیبات مختلفی بر حسب دبی­های با تأخیر زمانی به عنوان پارامترهای ورودی و دبی رسوب معلق به عنوان خروجی شبکه در نظر گرفته شد. سپس با آموزش شبکه و تعیین ساختار مطلوب بر اساس نوع، تعداد تابع عضویت و قوانین مربوطه به کمک نرم­افزار MATLAB ، مناسب‌ترین مدل بر اساس شاخص­های آماری؛ میانگین مربعات خطا، کارآیی مدل و ضریب تبیین بدست آمد. در نتیجه، ورودی با ترکیب یک بعدی دارای سیستم استنتاج سوگنو با دو تابع عضویت مثلثی به عنوان مناسب‌ترین مدل معرفی گردید و با نتایج حاصل از روش منحنی سنجه رسوب مورد مقایسه قرار گرفت. در نهایت نتایج نشان داد که روش ANFIS (08/0= MSE ، 78/0= EF و 72/0= R2 ) از صحت و دقت بالاتری نسبت به منحنی سنجه (16/0= MSE ، 57/0= EF و 73/0= R2 ) برخوردار است و عملکرد بهتری در برآورد بار رسوب معلق دارد. SP - 15 EP - 23 AD - KW - Babolroud KW - Suspended load KW - Membership function KW - Neuro-fuzzy KW - Rating curve KW - ANFIS UR - http://jwmr.sanru.ac.ir/article-1-489-fa.html ER -