تعیین ویژگی های موثر برای تخمین حجم آب تحویلی به شبکه آبیاری با استفاده از شبکه عصبی مصنوعی ترکیبی با الگوریتم چرخه آب (مطالعه موردی: شبکه آبیاری و زهکشی سد سفیدرود)

در این مطالعه قابلیت الگوریتم فرا ابتکاری چرخه آب در زمینه مدلسازی حجم آب تحویلی به شبکه آبیاری و تعیین ویژگی های موثر بر آن با ترکیب با شبکه عصبی بررسی شد. پنج ویژگی شامل حجم آب تحویلی به شبکه های آبیاری سد سفیدرود در یک روز قبل، دبی و حجم ورودی در هفت روز قبل، تراز و حجم مخزن در ده روز قبل برای ورودی مدل های هوشمند انتخاب شد. با اجرای الگوریتم هیبریدی WCA-ANN، روش انتخاب ویژگی و تحلیل حساسیت ترکیب سه تایی از ویژگی ها با مقدار خطا (MSE) برابر ۰۰۰۴۵/۰ بهترین ترکیب ورودی محسوب می شوند. حجم آب تحویلی به شبکه های آبیاری سد سفیدرود در یک روز قبل با توجه به تحلیل حساسیت موثرترین ویژگی در مدلسازی آن است. در ادامه در این مطالعه وزن های شبکه عصبی مصنوعی به کمک دو الگوریتم فرا ابتکاری چرخه آب بدون عمل تبخیر (WCA) و چرخه آب با عمل تبخیر (ER.WCA) به منظور افزایش کارایی بهینه گردید. از لحاظ اولویت مدل هیبرید ANN-ER.WCA با بیش ترین دقت و کمترین خطا و با مقادیرR،NRMSE ، MAE وNS به ترتیب برابر با ۹۹۱۵/۰، ۰۹۷۵/۰، ۰۰۹۰/۰ و ۹۸۲۹/۰ در دوره آزمون، در اولویت اول و مدل های ANN-WCA و ANN به ترتیب در اولویت های بعدی قرار گرفتند.

تعیین ویژگی های موثر برای تخمین حجم آب تحویلی به شبکه آبیاری با استفاده از شبکه عصبی مصنوعی ترکیبی با الگوریتم چرخه آب (مطالعه موردی: شبکه آبیاری و زهکشی سد سفیدرود) Keywords:

الگوریتم چرخه آب , انتخاب ویژگی , شبکه ی آبیاری و زهکشی سد سفیدرود , شبکه عصبی مصنوعی , هیدرواینفورماتیک