Iranian Jornal of Watershed Management Science&Engineering

fa پیش‌بینی رابطه دبی-اشل‌ در رودخانه‌ مند بوشهر با استفاده از هیبرید روش‌های Fuzzy و GMDH Prediction of Stage–Discharge Relationship in Bushehr Mand River Using Hybrid Fuzzy and GMDH Methods تخصصي Special پژوهشي Research <div style="text-align: justify;">شناخت رابطه دبی- اشل در مدیریت و برنامه ریزی منابع آب و همچنین طراحی سازه های هیدرولیکی، سازماندهی رودخانه ها و برنامه ریزی برای سیستم های هشدار سیل دارای اهمیت بالایی می باشند. با پیشرفت علم و افزایش سرعت محاسبات، روش های جدیدی تحت عنوان سیستم های هوشمند ارائه گردیده است که استفاده از آنها می تواند گزینه بهتری جهت مدل سازی باشد. در این تحقیق به ترتیب از روش های هوشمند ترکیبی Fuzzy-GMDH، RBF و ANFIS استفاده شده است. روشFuzzy-GMDH  که ترکیبی از دو تکنیک منطق فازی (Fuzzy) و روش کنترل گروهی داده ها (GMDH) جهت پیش بینی دبی- اشل می باشد. جهت بررسی مدل‌ پیشنهادی از داده‌های واقعی و نرمال شده رودخانه مند واقع در استان بوشهر استفاده و نتایج  با دو روش شبکه های عصبی RBF و همچنین ANFIS مقایسه شده است. در ابتدا با استفاده از آنالیز حساسیت پارامترهای مهم تعیین و سپس روش های ذکر شده با شاخص‌های آماری از جمله ضریب ناش (NASH) بررسی و مقایسه شده است. نتایج حاصله نشان داد که داده های خام در روش Fuzzy-GMDH با مقدار 8822 /0=NASH، دقت بالاتری را نسبت به داده های نرمال (8788 /0=NASH) ارائه می دهد. از طرفی مدل Fuzzy-GMDH دارای عملکرد بهتری در پیشبینی دبی روزانه نسبت به دو روش دیگر با مقادیر ضریب ناش به ترتیب 8555 /0 و 8776 /0 است.</div> <div style="text-align: justify;">Understanding the Stage–Discharge relationship is of great importance in the management and planning of water resources, as well as the design of hydraulic structures, the organization of rivers, and the planning of flood warning systems. With the advancement of science and increasing the speed of computing, new methods called intelligent systems have been introduced, the use of which can be a better option for modeling. In this research, Fuzzy-GMDH, RBF and ANFIS combined intelligent methods have been used, respectively. The Fuzzy-GMDH method, which is a combination of two techniques of fuzzy logic (Fuzzy) and Group Method of Data Handling (GMDH) for flow-prediction. To study the proposed model, real and normalized data of Mand River located in Bushehr province were used and the results were compared with two methods of RBF and ANFIS neural networks. First, important parameters were determined using sensitivity analysis and then the mentioned methods were evaluated and compared with statistical indicators such as Nash coefficient (NASH). The results showed that the raw data in the Fuzzy-GMDH method with a value of NASH = 0.8822, offers higher accuracy than normal data (NASH = 0.8888). On the other hand, the Fuzzy-GMDH model has a better performance in predicting discharge daily than the other two methods with flow coefficient values of 0.8555 and 0.8776, respectively.  </div> پیش بینی دبی, رابطه دبی- اشل, رودخانه مند, سیستم استنتاج فازی, شبکه عصبی ANN, ANFIS, Forecasting Discharge, Mand River, Stage–discharge relationsh 44 52 http://jwmsei.ir/browse.php?a_code=A-10-1218-1&slc_lang=fa&sid=1 gohar norouzi گوهر نوروزی gohari70@yahoo.com 100319475328460016041 100319475328460016041 Yes Ph.D student in Civil-Water Engineering, Islamic Azad University, Estahban, Iran. دانشجوی دکتری مهندسی عمران- سازه‌های هیدرولیکی، گروه مهندسی عمران، دانشکده عمران، دانشگاه آزاد اسلامی واحد استهبان Reza Mohammadpour رضا محمدپور r_mohammadpour@iauest.ac.ir 100319475328460016042 100319475328460016042 No Assistant Professor Civil Engineering, Department of Civil Engineering, Faculty of Civil Engineering, Islamic Azad University, Estahban, Iran. استادیار مهندسی عمران، گروه مهندسی عمران، دانشکده عمران، دانشگاه آزاد اسلامی واحد استهبان، ایران Alireza Valipour علیرضا والی پور vali@iaushiraz.ac.ir 100319475328460016043 100319475328460016043 No Assistant Professor Civil Engineering, Department of Civil Engineering, Faculty of Civil Engineering, Islamic Azad University, Shiraz, Iran. استادیار مهندسی عمران، گروه مهندسی عمران، دانشکده عمران، دانشگاه آزاد اسلامی واحد شیراز، ایران Ali Torabi علی ترابی ali.torabihaghighi@oulu.fi 100319475328460016044 100319475328460016044 No Associate Professor Water Resources and Environmental Engineering, Department of Water Resources and Environmental Engineering, University of Oulu, Finland. دانشیار مهندسی منابع آب و محیط‌زیست، گروه مهندسی منابع آب و محیط‌زیست، دانشگاه اولو، فنلاند Mohammad Mehdi Ahmadi محمدمهدی احمدی ahmadi_mm@uk.ac.ir 100319475328460016045 100319475328460016045 No Associate Professor Water Engineering, Department of Water Engineering, Faculty of Agriculture, Shahid Bahonar University of Kerman, Iran. دانشیار مهندسی آب، گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه شهید باهنر کرمان، ایران