افزایش دقت پیش بینی بارکل رسوبی با استفاده از الگوریتم های تکاملی(مطالعه موردی: رودخانه قطورچای)

تخمین درست میزان رسوبات حمل شده توسط رودخانه ها در پروژه های منابع آبی از اهمیت بالایی برخوردار است. بطور کلی پدیده فرسایش و انتقال رسوب از پیچیده ترین مسایل هیدرودینامیکی است که تعیین دقیق معادلات حاکم بر آن بدلیل تاثیرات پارامترهای مختلف، به آسانی میسر نیست.با وجود انجام تحقیقات بسیاری در زمینه کاربرد مدل های هوشمند نظیر شبکه های عصبی و برتری این مدل ها نسبت به روابط ریاضی و تجربی موجود نظیر منحنی سنجه رسوب، بدلیل غیر صریح بودن و پیچیدگی حاکم بر انتخاب و معماری شبکه مناسب، کاربرد این مدل ها توسعه کمتری نسبت به روشهای صریحی نظیر برنامه ریزی ژنتیک داشته است. در این پژوهش، بمنظور توانمند سازی پیش بینی صریح بار رسوبی رودخانه قطورچای از یک سو الگوریتم های تکاملی نظیر برنامه ریزی ژنتیک GP و الگوریتم ژنتیک GA به کار گرفته شده و از سوی دیگر از مدل های نیمه تجربی تعیین بار کل رسوب و منحنی سنجه استفاده گردیده است. مقایسه و تجزیه تحلیل نتایج حاصل از روش های کلاسیک، منحنی سنجه بهینه و روش برنامه ریزی ژنتیک، کارایی بسیار بالای الگوریتم های تکاملی را RMSE=0/067,DC=0/907 بعنوان ابزاری قدرتمند در بهینه سازی و پیش بینی صریح بار رسوبی کل رودخانه نشان می دهد.

افزایش دقت پیش بینی بارکل رسوبی با استفاده از الگوریتم های تکاملی(مطالعه موردی: رودخانه قطورچای) Keywords:

بار رسوبی , برنامه ریزی ژنتیک , بهینه سازی پیش بینی , منحنی سنجه