@ARTICLE {CWE / 957/2017，Author = {}，Journal = {当前世界环境}，Publisher = {}，Title = {预测runoff和沉积物，Ann和模糊逻辑算法为Kal River，India}，年={}，月= {}，卷= {35}，URL = {www.a-i-l-s-a.com/article/957/}，页面= {892-906}，抽象= {ANN和模糊逻辑（FL）模型是开发用于预测kal河，印度的克莱夫河径和沉积物产量2.9b Witting Provity支持NNTool。模型的输入用作日落，蒸发，温度和一天，拖曳日滞后径流进行径流模拟。虽然，对于沉积物产量建模，在日本降雨中使用的ANN和模糊逻辑模型中的输入，一天和两天径流。21岁（1991年至2011年）的输入数据在目前的每日研究时考虑。14年（1991年至2004年）用于开发模型，而休息7年（2005年至2011年）用于验证模型。在沉积物产量建模中，7年（2003年至2009年）数据用于制定和验证模型。模型性能是通过标准统计指标评估R，RMSE，EV，CE和MAD。有发现随着输入向量的增加，ANN模型性能提高。 The fuzzy logic model was performed well with R value more than 0.95 during developmental stage and validation stage over ANN model for predicting runoff and sediment yield. Hence, FL model found to be more superior to ANN in prediction of runoff and sediment yield for Kal river. }, number = {38}, doi = {10.12944/CWE.11.3.25} }