@article { author = {Poustizadeh, N and Najafi, N}, title = {Discharge Prediction by Comparing Artificial Neural Network With Fuzzy Inference System (Case study: Zayandeh rud River)}, journal = {Iran-Water Resources Research}, volume = {7}, number = {2}, pages = {92-97}, year = {2011}, publisher = {Iranian Water Resources Association}, issn = {1735-2347}, eissn = {2476-7360}, doi = {}, abstract = {The Fuzzy Sets theory and the Artificial Neural Network are among the latest methods in Water Resources Engineering for systems dealing with complexity or ambiguity and lack enough data. The main advantage of these techniques over traditional methods is that they can investigate the effects of the available parameters on the process in a short time and with no need to cause complex mathematical equations. In this study time series of monthly discharge, temperature, and rainfall are used in the Artificial Neutral Network and  Fuzzy Inference System context in order to forecast the flow discharge for the upcoming months. Results of this research showed that the FIS gives better estimation than the ANN.}, keywords = {Forecasting,River Flow,Fuzzy inference system,Artificial Neural Network}, title_fa = {مقایسه کاربرد شبکه عصبی مصنوعی (ANN) با سیستم استنتاج فازی (FIS) در پیش بینی جریان رودخانه زاینده رود}, abstract_fa = {یکی از روشهای نو ظهور در حل مسایل مهندسی جهت مدل‌سازی سیستم‌هایی که دارای پیچیدگی زیاد یا عدم‌صراحت بوده و یا داده‌های کافی از آنها موجود نیست، استفاده از تئوری مجموعه‌های فازی و شبکه عصبی مصنوعی می‌باشد. مزیت اصلی این تکنیک‌ها نسبت به روش‌های رایج این است که در مدت زمان نسبتاً کوتاهی قادر به بررسی تأثیر انواع پارامترهای در دسترس، بر فرآیند مورد بررسی می‌باشند بدون آنکه در هر مرتبه نیاز به یافتن رابطه‌ پیچیده‌ی ریاضی موجود بین پارامترهای منتخب باشند. در تحقیق حاضر نیز، با استفاده از این دو تکنیک و بر اساس دبی، میزان درجه حرارت و بارش ماهانه، سری پیوسته‌ای از دبی و هر یک از متغیرهای مذکور تشکیل و تاثیر هریک از متغیرهای فوق در توالی‌های زمانی گذشته بر روی میزان دبی رودخانه در ماه‌های آینده بررسی شد و  میزان دبی در  ماه‌های آینده (فروردین تا شهریور) پیش‌بینی شد و در نهایت قابلیت استفاده از شبکه عصبی مصنوعی و سیستم استنتاج فازی در پیش‌بینی میزان دبی رودخانه با یکدیگر مقایسه شده است و نتایج این تحقیق حاکی از برتری سیستم استنتاج فازی نسبت به شبکه عصبی مصنوعی می‌باشد.  }, keywords_fa = {پیش بینی,جریان رودخانه,سیستم استنتاج فازی,شبکه عصبی مصنوعی}, url = {https://www.iwrr.ir/article_16186.html}, eprint = {https://www.iwrr.ir/article_16186_3d1a71ca5bb2a85dc375c6e20582cd5b.pdf} }