پیش بینی آبدهی رودخانه و بررسی عوامل موثر بر آن از مهم ترین مباحث مدیریت منابع آب به شمار می رود. در سال های اخیر استفاده ار تئوری مجموعه های فازی جهت مدل سازی پدیده های هیدرولوژیکی که دارای عدم قطعیت بالایی هستند، مورد توجه محققان قرار گرفته است. در این پژوهش از مدل های مبتنی بر منطق فازی شامل سیستم استنتاج فازی (Fuzzy Inference System، FIS) و سیستم استنتاج تطبیقی عصبی- فازی Adaptive Neuro-Fuzzy Inference System، (ANFIS) به منظور پیش بینی جریان روزانه رودخانه استفاده شده است. به این منظور، از سه پارامتر بارندگی، دما و دبی روزانه حوضه آبریز لیقوان چای برای پیش بینی جریان روزانه رودخانه لیقوان، استفاده شده است. در پیش پردازش اولیه داده ها، تصادفی بودن آن ها با استفاده از آزمون نقاط عطف (نقطه بازگشت) مورد بررسی قرار گرفت. سپس برای تعیین مدل های بهینه ورودی به سیستم-ها، همبستگی نگار داده ها مورد بررسی قرار گرفت. در نهایت پیش بینی در دو بخش ترکیبی و پیش-بینی بر اساس دبی روزهای قبل انجام شد. ارزیابی نتایج پیش بینی ها با استفاده از معیارهای گوناگون از جمله معیار ناش- ساتکلیف Nash-Sutcliff Criterion (CNS) نشان داد که مدل ANFIS با دقت بالاتر (998/0CNS=) و پراکندگی کمتری نسبت به مدل FIS (993/0CNS=) دبی این رودخانه را پیش بینی کرده است. همچنین با بررسی دو بخش طراحی شده، مشخص شد که به طور کلی، در بررسی دوره های سالیانه، دما در پیش بینی جریان روزانه این رودخانه تاثیر چندانی نداشته و بارندگی روز جاری موثرتر از دبی دو روز قبل در پیش بینی جریان روزانه می باشد.

کلمات کلیدی