بهینه سازی شبکه ANFIS برای شبیه سازی دراز مدت بارندگی شهر بابلسر

در این مطالعه، مقادیر بارندگی دراز مدت شهر بابلسر در یک بازه زمانی 68 ساله از سال 1951 تا 2019 با استفاده از یک مدل هوش مصنوعی ترکیبی بهینه یافته شبیه سازی شد. برای توسعه مدل ترکیبی، شبکه انفیس با تبدیل موجک ترکیب شدند. در ابتدا، با استفاده از تابع خودهمبستگی، تاخیرهای موثر داده های سری زمانی شناسایی شدند. سپس با استفاده از این تاخیرها، شش مدل انفیس تعریف گردید. با اجرای یک تحلیل حساسیت، بهترین مدل انفیس معرفی شد. مقادیر ضریب همبستگی (R)، شاخص عملکرد (VAF) و شاخص پراکندگی (SI) برای وضعیت آزمون مدل برتر انفیس به ترتیب برابر با 612/0، 029/37 و 761/0 محاسبه شدند. علاوه بر این، تجزیه و تحلیل نتایج مدل سازی ها نشان داد که تاخیرهای شماره (t-1)، (t-2)، (t-12) و (t-36) تاثیرگذارترین تاخیرهای داده های سری زمانی بودند. در انتها، مدل ترکیبی برتر برای سه سطح تجزیه مختلف مورد ارزیابی قرار گرفت که بهترین نتایج برای سطح تجزیه دوم بدست آمد. در حالت آزمون مقادیر R و VAF و SI برای مدل برتر ترکیبی به ترتیب مساوی با 972/، 455/94 و 226/0 بودند. بنابراین، نتایج شبیه سازی ها نشان داد که تبدیل موجک دقت مدل سازی را به شکل قابل توجهی افزایش داد.