کاربرد مدل هوش مصنوعی ماشین آموزش نیرومند با حذف داده پرت (ORELM) در پیش بینی دبی رودخانه

هدف: هدف از این تحقیق بررسی کارایی مدل ماشین آموزش نیرومند (ORELM) برای پیش بینی دبی رودخانه قره سو در محل ایستگاه پل کهنه (کرمانشاه) است. روش پژوهش: محدوده موردمطالعه حوضه آبریز پل کهنه واقع بر رودخانه قره سو است.  آموزش ELM شامل دو مرحله است: مرحله اول، اختصاص تصادفی وزن ها و بایاس ها به نرون های لایه پنهان و محاسبه خروجی لایه پنهان ماتریس H و مرحله دوم، محاسبه وزن های خروجی با استفاده از شبه معکوس Moore-Penrose ماتریس H و مقادیر هدف برای نمونه های آموزشی مختلف. جهت محاسبه ماتریس وزن خروجی ، خطای آموزش را به گونه ای در نظر می گیرند که ماتریس sparse باشد. یافته ها: نتایج حاصل از کاربرد مدل هوش مصنوعی ORELM  نشان می دهد این روش توانسته است در دوره آماری ۶۵ساله با کمترین میزان خطا در مراحل آموزش و آزمایش دبی ورودی رودخانه را پیش بینی نماید. به طوری که مقدار RMSE در این روش در حالت تاخیر یک ماهه (t-۱) در دو مرحله آموزش و آزمایش به ترتیب ۲۲/۱۲و ۱۴/۴ بود. لذا با استفاده از مدل های هوش مصنوعی با صرف زمان و هزینه بسیار کم اطلاعات مدیریتی بسیار ارزشمندی در خصوص پیش بینی دبی جریان رودخانه در سال های خشک و تر به دست می آید. نتیجه گیری: نتایج تجربی نشان می دهد که روش توسعه یافته باتوجه به شاخص های مختلف ارزیابی عملکرد نسبت به روش های سنتی برتری دارد؛ بنابراین، یک مدل ماشین یادگیری افراطی تکاملی جدید و عملی با استفاده از هوش ازدحامی برای انجام کار پیچیده پیش بینی هیدرولوژیکی توسعه داده شده است. نوآوری این تحقیق عبارت است از توسعه مدل هوش مصنوعی ORELM باقابلیت حذف داده های پرت برای پیش بینی دبی رودخانه بر اساس کمترین اطلاعات ورودی بدون نیاز به مدل های پیچیده در کمترین زمان است.

Keywords:

پیش بینی دبی روخانه , یادگیری ماشین , پل کهنه , ORELM