پژوهشکده حفاظت خاک و آبخیزداری مهندسی و مدیریت آبخیز 2251-9300 10 3 2018 09 23 Evaluation of artificial intelligence in flood estimation ارزیابی مدل‌های هوش مصنوعی در تخمین دبی سیلاب 478 488 117328 10.22092/ijwmse.2018.117328 FA مهدی سپهری کارشناس ارشد آبخیزداری، دانشکده منابع طبیعی، دانشگاه ملایر سید عباس عطاپور فرد استادیار، پژوهشکده حفاظت خاک و آبخیزداری، سازمان تحقیقات، آموزش و ترویج کشاورزی، تهران، ایران علی‌رضا ایلدرومی دانشیار، دانشکده منابع طبیعی، دانشگاه ملایر حمید نوری استادیار، دانشکده منابع طبیعی، دانشگاه ملایر صبا گودرزی کارشناس ارشد آبخیزداری، دانشکده منابع طبیعی، دانشگاه ملایر محمد مهدی آرتیمانی کارشناس ارشد، بخش تحقیقات آبخیزداری و منابع طبیعی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان همدان، سازمان تحقیقات، آموزش و ترویج کشاورزی، همدان، ایران مرتضی سلگی کارشناس ارشد، بخش تحقیقات آبخیزداری و منابع طبیعی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان همدان، سازمان تحقیقات، آموزش و ترویج کشاورزی، همدان، ایران Journal Article 2016 03 16 Peak flow estimation is one of the major issues in water resources and flood management that have basic role in the design of hydraulic structures and biomechanics activities in basins. So that a proper assessment has a basic role in the success of administrative works. In this paper, using artificial intelligence methods (MLP Neural Network, the mixture of SOFM with MLP, the mixture of FCM with ANFIS) to estimate Yalfan River^’s peak discharge in hydrometer local station. For these models, eight variables have been considered as the inputs that includes rainfall amount in the occurrence time of flood, rainfall of five days ago from occurrence of flood, curve number of the basin (CN), basic discharge and finally peak discharge are considered as the output. In the artificial intelligences after preprocessing of the data, the optimal structure of the models are determined with input and output data, evaluation criteria and trial and error. At the end, the MLP model had better performance compared to ANFIS+FCM, MLP+SOFM, GRNN models. برآورد دبی ­اوج به‌عنوان یکی از مباحث اصلی در مدیریت منابع آبی و سیلاب  نقش اساسی در طراحی سازه‌­های آبی و اقدامات بیومکانیکی در حوزه­‌های آبخیز دارد، به‌طوری ‌که برآورد صحیح آن نقش اساسی در موفقیت کار­های اجرایی دارد. در این بررسی، سعی شده با استفاده از روش‌­های هوش مصنوعی (شبکه عصبی MLP، ترکیب شبکه عصبی MLP و شبکه SOFM، GRNN، ترکیب خوشه‌بندی FCM و ANFIS) دبی بیشینه رودخانه یلفان در محل ایستگاه هیدرومتری برآورد شود. به این منظور، در این دو مدل هشت متغیر که شامل بارندگی مربوط به روز وقوع سیل، بارندگی‌­های پنج روز قبل، دبی پایه در روز وقوع سیل و CN حوضه به‌عنوان پارامتر­های ورودی و دبی پیک به‌عنوان خروجی در نظر گرفته شده است. سپس، با استفاده از روش هوش مصنوعی و پیش پردازش داده‌­ها، ساختار بهینه مدل‌ها با استفاده از داده‌­های ورودی و خروجی و با ملاک قراردادن معیار­های ارزیابی، به روش سعی و خطا تعیین شد. نتایج نشان داد که  شبکه عصبی پرسپترون چند لایه (MLP) عملکرد بهتری در برآورد دبی سیلاب نسبت به مدل ترکیبی ANFIS+FCM ،MLP+SOFM ،GRNN در حوضه یلفان دارد. https://jwem.areeo.ac.ir/article_117328_11734338e173a05c1fc8af35ebb8c2e9.pdf