fa تعیین قواعد بهره‌برداری از مخزن سد درودزن با استفاده از شبکه ‌عصبی تطبیق‌پذیر مبتنی بر سیستم استنتاج فازی (ANFIS) عمومی Ggeneral پژوهشي Research <div style="text-align: justify;"><strong><span style="font-family:b lotus;"><span style="font-size:11.0pt;">امروزه مدیریت منابع آب به‌جای ساخت سیستم‌های جدید عرضه آب، به سمت مدیریت و بهره‌برداری بهینه از سیستم‌های موجود حرکت کرده است. بر این اساس، در این مطالعه قواعد بهره‌برداری از مخزن سد درودزن در استان فارس، با استفاده از روش‌های مختلف تعیین شد و کاراترین روش انتخاب شد. برای این منظور، ابتدا با استفاده از داده‌های ماهانه یک دوره پانزده ساله (92-1377)، مدل بهره‌برداری بهینه چند هدفه غیر خطی طراحی شد. توابع هدف مدل شامل حداقل‌سازی شاخص کمبود آب در بخش‌های مختلف شامل بخش شهری، صنعت، محیط زیست و کشاورزی در نظر گرفته شد. همچنین به‌منظور استخراج قواعد بهره‌برداری از مخزن، علاوه ‌بر مدل بهره‌برداری بهینه غیر خطی از روش رگرسیونی حداقل مربعات معمولی، سیستم استنتاج فازی و شبکه ‌عصبی تطبیق‌پذیر مبتنی بر سیستم استنتاج فازی (</span></span></strong><strong><span dir="LTR"><span style="font-size:9.0pt;">ANFIS</span></span></strong><strong><span style="font-family:b lotus;"><span style="font-size:11.0pt;">) نیز بهره گرفته شد. به‌منظور مقایسه روش‌های مختلف از شاخص‌های عملکرد مخزن شامل اعتمادپذیری، حداکثر آسیب‌پذیری، میانگین آسیب‌پذیری، برگشت‌پذیری و پایداری استفاده شد. نتایج مطالعه نشان داد که مدل </span></span></strong><strong><span dir="LTR"><span style="font-size:9.0pt;">ANFIS</span></span></strong><strong><span style="font-family:b lotus;"><span style="font-size:11.0pt;">، به‌دلیل داشتن مقادیر بالای شاخص اعتمادپذیری (7/0)، برگشت‌پذیری (42/0) و مقدار کم شاخص آسیب‌پذیری (13/0)، دارای بالاترین مقدار شاخص پایداری (26/0) و بهترین عملکرد است. بر این اساس، </span></span></strong><strong><span style="font-family:b lotus;"><span style="font-size:11.0pt;">می‌توان</span></span></strong><strong><span style="font-family:b lotus;"><span style="font-size:11.0pt;"> به‌طور کارا از مدل </span></span></strong><strong><span dir="LTR"><span style="font-size:9.0pt;">ANFIS</span></span></strong><strong><span style="font-family:b lotus;"><span style="font-size:11.0pt;">، برای ایجاد قواعد بهره‌برداری از مخزن سد درودزن استفاده کرد</span></span></strong><strong><span style="font-family:b lotus;"><span style="font-size:11.0pt;">.</span></span></strong><strong><span style="font-family:b lotus;"></span></strong></div> <div style="text-align: justify;">Nowadays, water resource management has been shifted from the construction of new water supply systems to the management and the optimal utilization of the existing ones. In this study, the reservoir operating rules of Doroodzan dam reservoir, located in Fars province, were determined using different methods and the most efficient model was selected. For this purpose, a monthly nonlinear multi-objective optimization model was designed using the monthly data of a fifteen-year period (2002-2017). Objective functions were considered as minimizing water scarcity index in municipal, industrial, environmental and agricultural sectors. In order to determine the operating rule curves of reservoir, in addition to the nonlinear multi-objective optimization model, the methods of ordinary least-squares regression (OLS), fuzzy inference system and adaptive network fuzzy inference system (ANFIS) were used. Also, the reliability, resiliency, vulnerability and sustainability criteria were used to compare the different methods of reservoir performance rules. The results showed that ANFIS model had the higher sustainability criterion (0.26) due to its greater reliability (0.7) and resilience (0.42), as well as its lower vulnerability (0.13), thereby showing the best performance. Therefore, ANFIS model could be effectively used for the creation of Doroodzan reservoir operation rules.</div> منحنی فرمان, سیستم استنتاج فازی, شبکه عصبی فازی, شاخص عملکرد مخزن Rule Curve, Fuzzy Inference System, Neuro-Fuzzy Network, Reservoir Operation Index 261 276 http://jstnar.iut.ac.ir/browse.php?a_code=A-10-3598-1&slc_lang=fa&sid=1 M. H. Tarazkar محمدحسن طرازکار mhtarazkar@yahoo.com Yes 1. Department of Agricultural Economics, College of Agriculture, Shiraz University, Shiraz, Iran. 1. گروه اقتصاد کشاورزی، دانشکده کشاورزی، دانشگاه شیراز M. zibaei منصور زیبایی No 1. Department of Agricultural Economics, College of Agriculture, Shiraz University, Shiraz, Iran. 1. گروه اقتصاد کشاورزی، دانشکده کشاورزی، دانشگاه شیراز G.R. Soltani غلامرضا سلطانی No 1. Department of Agricultural Economics, College of Agriculture, Shiraz University, Shiraz, Iran. 1. گروه اقتصاد کشاورزی، دانشکده کشاورزی، دانشگاه شیراز M. Nooshadi مسعود نوشادی No 2. Department of Water Engineering, College of Agriculture, Shiraz University, Shiraz, Iran. 2. گروه مهندسی آب، دانشکده کشاورزی، دانشگاه شیراز