Article

مقایسه ی روش های هوش مصنوعی و ماسکینگام در تخمین روندیابی سیلاب

Download full textFree with an account; signing up with Google takes seconds

Abstract(in Persian; no English abstract is available)

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.

Authors and affiliations
  1. فرزاد حسن پور — استادیار گروه مهندسی آب، دانشکده کشاورزی دانشگاه زابل
  2. زینب شیخعلی پور — دانشجوی کارشناسی ارشد گروه مهندسی آب، دانشکده کشاورزی دانشگاه زابل

Similar items