RT - Journal Article T1 - Storm Runoff Coefficient Estimation Using Adaptive Neuro-Fuzzy Inference System in Barariyeh Watershed, Neishabour JF - JSTNAR YR - 2015 JO - JSTNAR VO - 19 IS - 73 UR - http://jstnar.iut.ac.ir/article-1-3144-fa.html SP - 165 EP - 177 K1 - Storm Runoff Coefficient K1 - ANFIS K1 - Barariyeh Watershed K1 - Neishabour. AB - فرآیند بارش - رواناب و ایجاد سیلاب از پدیده‌های هیدرولوژیکی هستند که بررسی آنها به‌سبب تأثیرپذیری از پارامترهای مختلف، دشوار می‌باشد. تاکنون روش‌ها و الگو‌های مختلفی برای تحلیل این پدیده‌ها ارائه شده است. از این‌رو هدف این پژوهش ارزیابی شبکه عصبی-فازی تطبیقی در پیش‌بینی ضریب رواناب رگبار است. به‌این منظور حوزه آبخیز بار اریه نیشابور انتخاب و داده‌های مربوط به 33 واقعه در بین سال‌های آماری 1331 تا 1385 جمع‌آوری گردید. به‌منظور انتخاب متغیرهای مستقل در برآورد ضریب رواناب از تجزیه و تحلیل عاملی استفاده شد، که براساس آن چهار متغیر مقدار متوسط بارندگی، چارک سوم، اول و چهارم شدت بارندگی و همچنین پنج متغیر شاخص ( &phi) و چارک‌های اول تا چهارم شدت بارش به‌عنوان عوامل اصلی برگزیده شدند. همچنین ترکیب سایر متغیرها براساس نقش هیدرولوژیکی آنها، به‌عنوان ورودی شبکه مدنظر قرار گرفت. نتایج نشان داد که شبکه با ورودی چارک‌های اول تا چهارم شدت بارندگی، مقدار کل بارش و شاخص &phi و بارش پنج روز قبل ضریب رواناب رگبار را با ضریب تبیین آزمون 91/0 و ریشه میانگین مربعات خطا 02806/0 و متوسط قدر مطلق خطا 0275/0 پیش‌بینی کند. LA eng UL http://jstnar.iut.ac.ir/article-1-3144-fa.html M3 10.18869/acadpub.jstnar.19.73.165 ER -