مقایسه ی روش های هوش مصنوعی و ماسکینگام در تخمین روندیابی سیلاب
چکیده
روندیابی سیلاب به دلیل فراهم نمودن امکان پیش بینی چگونگی طغیان و فروکش کردن آن در رودخانه، یکی از مهمترین مسائل در مهندسی رودخانه است. از آن جا ی که سیلاب جریانی متغیر غیردایمی است، لذا روندیابی آن نیاز به داده های گسترده از رود ها و آمار دقیقی از ایستگاههای آبسنجی دارد. روش ماسکینگام، به دلیل سادگی آن، دارای کاربرد بیشتری در میان روشهای روندیابی سیلاب می باشد. از طرفی، استفاده از روشهای هوش مصنوعی در زمینه های مختلف مهندسی آب و شبیه سازی در حوضه های آبخیز طی دهه اخیر رشد چشمگیری داشته است. در این پژوهش، برای روندیابی سیلاب با استفاده از روشهای ماسکینگام، شبکه ی عصبی مصنوعی، سامانه استنتاج تطبیقی عصبی- فازی، و برنامه ریزی ژنتیک از داده های ویلسون، ویو و همکاران، و ویس من و لویس در سه رود مختلف استفاده گردید. نتایج شبیه سازی روندیابی سیلاب با کاربرد روشهای ذکر شده با استفاده از شاخصهای آماری r2، rmse و mbe ارزیابی گردیدند. نتایج این تحقیق نشان دادند که روشهای هوش مصنوعی ، به دلیل برخورداری از rmse کمتر نسبت به روش ماسکینگام، برتری دارند، که این مقدار برای روشهای هوش مصنوعی 00174/0، و برای روش ماسکینگام 727/28 به دست آمد، بنابراین، روش ماسکینگام در شبیه سازی آب نگار سیلاب با بده ی اوج پرشمار موفق نبوده است. با وجود اندک تفاوت در دقت تخمین و مقادیر خطا در شبیه ها، شبکه های عصبی مصنوعی با مقادیر r2، rmse و mbe مناسبتر در رده ی اول، و سامانه ی استنتاج تطبیقی عصبی- فازی و برنامه ریزی ژنتیک به ترتیب در رده های دوم و سوم قرار می گیرند. با توجه به سهولت کاربرد و نتایج خوب روشهای هوش مصنوعی، پیشنهاد می شود تحقیقات بیشتری در این زمینه صورت پذیرد.
نویسندگان و وابستگی سازمانی
- فرزاد حسن پور — استادیار گروه مهندسی آب، دانشکده کشاورزی دانشگاه زابل
- زینب شیخعلی پور — دانشجوی کارشناسی ارشد گروه مهندسی آب، دانشکده کشاورزی دانشگاه زابل