تكامل نماذج الشبكات العصبيّة الاصطناعيّة والخوارزميّات الجينيّة في استكمال بيانات الهطل المطري

لا شك ان نمذجة الامطار بدقة وموثوقية هي خطوة هامة في ادارة المياه والانهار، ومواجهة تغيرات المناخ العالمية، وهذا يتطلب سلاسل طويلة من البيانات الهيدرولوجية، غير ان هذه السلاسل في كثير من الاحيان تحوي على قيم مفقودة. يتضمن هذا البحث استخدام نماذج الشبكات العصبية الاصطناعية ذات التغذية الامامية والانتشار العكسي للخطا مع الخوارزميات الجينية (GAs) في عملية ملء الثغرات في بيانات الامطار اليومية في منطقة سهل الغاب، حيث استخدمت الخوارزميات الجينية في تحديد الهيكلية المثلى للشبكة العصبية الاصطناعية، ثم دربت مجموعة من الشبكات العصبية الاصطناعية وفق الهيكلية الناتجة باستخدام خوارزمية الانتشار العكسي للخطا ، وذلك بهدف الحصول على افضل اداء لنماذج الشبكات العصبية الاصطناعية (ANNs) في التنبو بالقيم المفقودة للامطار اليومية، وبالتالي الحصول على سلاسل كاملة للهطل المطري اليومي في منطقة الدراسة. لقد استُخدمت قيم جذر متوسط مربعات الاخطاء ، ومعامل الارتباط لتقييم اداء النماذج والمقارنة فيما بينها وفق مختلف قيم المدخلات والمخرجات للمحطات المطرية (شطحة – عين الكروم – الكريم – السقيلبية) خلال الفترة (2002-1994)، بحيث تحاكي مختلف حالات الفقد الممكنة للبيانات من المحطة الهدف او المحطات المجاورة، وتوصلت هذه الدراسة الى نتائج جيدة لجميع النماذج، وتوصي الدراسة بتطبيق الانظمة الهجينة من نماذج الذكاء الاصطناعي لتحسين كفاءة نماذج التنبو بالعناصر المناخية وغيرها من العوامل المتعلقة بالموارد المائية في مناطق مختلفة من سورية.