استفاده از سری های زمانی و الگوریتم ژنتیک در شبکه عصبی مصنوعی تکاملی برای روندیابی سیلاب در رودخانه (مطالعه موردی: رودخانه اعظم هرات)

روندیابی سیلاب یکی از پیچیده ترین مسایلی است که در علم هیدرولیک کانال های باز و مهندسی رودخانه مورد بررسی قرار گرفته است. در این تحقیق کاربرد مدل های خطی سری های زمانی همچون ARMA و AR و ترکیب دو اگوریتم ژنتیک و لونبرگ به عنوان یک روش مبتنی بر گرادیان مرتبه دوم در پیش بینی روزانه دبی رودخانه اعظم واقع در استان یزد مورد ارزیابی قرار گرفت. مقادیر دبی روزانه از سال 1366 تا سال 1387 برای انتخاب بهترین مدل سری زمانی و بهترین ساختار شبکه و از داده های سال 1388 تا سال 1392 برای مقایسه روش ها استفاده شد. نتایج این تحقیق نشان داد که مدل سری زمانی AR(8) نتایج بهتری در مقایسه با دیگر مدل های خطی داشت. کاربرد شبکه عصبی مصنوعی MLP و RBF نیاز در پیش بینی دبی روزانه رودخانه سنجیده شد. نتایج نشان داد که شبکه MLP عملکرد بهتری نسبت به شبکه RBF دارد. به منظور مقایسه عملکرد مدل های سری زمانی خطی با شبکه های عصبی مصنوعی، بهترین سری زمانی خطی (مدل خطی (AR(8) و مدل MLP تحت آموزش ترکیبی GA-LM مقایسه گردید. طبق نتایج به دست آمده، شبکه های عصبی مصنوعی مقادیر دبی روزانه را با دقت بالاتری نسبت به مدل های سری زمانی شبیه سازی کرده و عملکرد بهتری نسبت به مدل های سری زمانی در پیش بینی دبی روزانه این رودخانه دارند.

Keywords:

پیش بینی جریان روزانه , سری زمانی خطی , شبکه عصبی پرسپترون چندلایه ( MLP ) , شبکه RBF , الگوریتم ترکیبی GA-LM , مدل ( AR )