حمید نوری؛ علیرضا ایلدرومی؛ مهدی سپهری؛ مهدی آرتیمانی
چکیده
برآورد دبی اوج، یکی از موضوعات اساسی در مدیریت منابع آب و کنترل سیلاب، جایگاه ویژه‌ای در موفقیت طراحی سازه‌های آبی و کارایی اقدامات بیومکانیکی در حوضه‌های آبخیز دارد. در این پژوهش سعی شده است با مقایسة ...
بیشتر
برآورد دبی اوج، یکی از موضوعات اساسی در مدیریت منابع آب و کنترل سیلاب، جایگاه ویژه‌ای در موفقیت طراحی سازه‌های آبی و کارایی اقدامات بیومکانیکی در حوضه‌های آبخیز دارد. در این پژوهش سعی شده است با مقایسة سه روش اصلی در هوش مصنوعی (مدل شبکة عصبی پرسپترون چند لایه، مدل الگوریتم ترکیبی شبکة عصبی با ژنتیک و مدل ترکیب خوشه‌بندی کاهشی و روش نورو فازی (ANFIS، بهترین روش پیش‌بینی دبی حداکثر رودخانة یلفان در محل ایستگاه هیدرومتری و رسوب‌سنجی یلفان (یکی از زیرحوضه‌های سد اکباتان همدان) انتخاب شود. به این منظور در این سه مدل،8 متغیر بارندگی مربوط به روز وقوع سیل، بارندگی‌های روزانه تا 5 روز پیش، دبی پایه در روز وقوع سیل و CN حوضه به‌منزلة پارامترهای ورودی (1380 تا 1391) و دبی حداکثر به‌منزلة خروجی در نظر گرفته و وارد نرم‌افزار متلب شد؛ سپس با بهره‌گیری از روش‌های هوش مصنوعی و پیش‌پردازش داده‌ها، ساختار بهینة مدل با استفاده از داده‌های ورودی و خروجی و با ملاک قراردادن معیارهای ارزیابی RSME، MAE و NSE به روش سعی و خطا تعیین شد. در مدل تلفیقی شبکة عصبی و الگوریتم ژنتیک، پس از تعیین مدل بهینة شبکة عصبی، نتیجة مدل به الگوریتم ژنتیک وارد شد. در مدل تلفیقی خوشه‌بندی با ANFIS، پس از تعیین مدل بهینة خوشه‌بندی، نتیجة مدل به ANFIS وارد و درنهایت با توجه به معیار ارزیابی، ساختار بهینة مدل تعیین شد. نتایج نشان داد مدل تلفیقی شبکة عصبی و الگوریتم ژنتیک نسبت به مدل شبکة عصبی و نیز مدل ترکیب خوشه‌بندی کاهشی و مدل ANFIS عملکرد بهتری در برآورد دبی سیلاب در حوزة یلفان دارد.
