پیش‌‌بینی تراز سطح آب مخزن سد سفیدرود به وسیله شبکه عصبی بهبودیافته با چند الگوریتم‌ فرا ابتکاری

مقالات آماده انتشار

نوع مقاله : مقاله کامل پژوهشی

نویسندگان

1 دانشجوی کارشناسی ارشد مهندسی عمران سازه های هیدرولیکی موسسه آموزش عالی جهاد دانشگاهی رشت، ایران

2 استادیار گروه پایش منابع آب پژوهشکده محیط زیست جهاد دانشگاهی گیلان. رشت.

3 دکترای مهندسی آب گرایش سازه‌های آبی دانشگاه تبریز

10.22034/hws.2026.71513.1045

چکیده

در پژوهش حاضر، چهار مدل ترکیبی بر پایه شبکه عصبی مصنوعی طراحی گردید. این مدل‌ها با بهره‌گیری از الگوریتم‌های وال (WOA)، گرگ خاکستری (GWO)، شاهین هریس (HHO) و کلونی مورچگان پیوسته (ACOR) ترکیب شدند تا پیش‌بینی روزانه تراز مخزن سد سفیدرود را انجام دهند. داده‌های روزانه پانزده ساله، از ۱۳۸۶ تا ۱۴۰۱، جمع‌آوری گردید. متغیرها شامل دبی ورودی، دبی خروجی، حجم مخزن، سطح آب و تراز مخزن بود. تراز سطح آب مخزن به عنوان خروجی اصلی مدل‌ها در نظر گرفته شد. متغیرهای ورودی با تحلیل همبستگی متقاطع و خودهمبستگی گزینش شدند. داده‌ها به نسبت ۷۰ درصد برای آموزش و ۳۰ درصد برای آزمون تقسیم شده و عملکرد مدل‌ها با استفاده از ضریب تبیین، میانگین خطای مطلق، ریشه میانگین مربعات خطای نرمال‌شده، شاخص پراکندگی و شاخص عملکرد جهانی ارزیابی گردید. در مرحله آزمون، مدل شبکه عصبی مصنوعی برپایه الگوریتم وال بالاترین دقت را با مقادیر R² برابر 9991/0، MAE برابر 43/0 متر، NRMSE برابر 01/0 و SI برابر 01/0 به دست آورد. این مدل بر اساس شاخص عملکرد جهانی نیز رتبه اول را کسب کرد. مدل‌های مدل شبکه عصبی مصنوعی برپایه الگوریتم گرگ خاکستری، کلونی مورچگان پیوسته و شاهین هریس به ترتیب در جایگاه‌های بعدی قرار گرفتند. در مجموع، نتایج به دست آمده نشان می‌دهد که ترکیب الگوریتم‌های فراابتکاری با شبکه عصبی، امکان خروج از بهینه‌های محلی را فراهم می‌آورد و دقت پیش‌بینی تراز سطح آب مخزن را نیز به طور قابل ملاحظه‌ای افزایش می‌دهد.

کلیدواژه‌ها

موضوعات

دانش آب و هیدرولیک

مقالات آماده انتشار، پذیرفته شده
انتشار آنلاین از تاریخ 28 تیر 1405

فایل ها

هم رسانی

ارجاع به این مقاله

آمار