مقايسه الگوريتم‌هاي هوش مصنوعي در مدل سازي جريان روزانه رودخانه

Comparison of Artificial Intelligence Algorithms in Daily River Flow Modeling

يكي از مهم ترين مسائل در مهندسي منابع آب، پيش‌بيني ميزان دبي رودخانه‌ها، به عنوان يكي از منابع اصلي تأمين كننده آب بشر، مي‌باشد كه از نظر برنامه‌ريزي منابع آب داراي اهميت است. استفاده از مدل‌هاي جديد در اين زمينه مي-تواند به مديريت و برنامه‌ريزي صحيح كمك كند. در اين مطالعه، به ارزيابي 3 مدل به نام‌هاي، شبكه عصبي – فازي (ANFIS)، شبكه بيزين(BN) و ماشين بردار پشتيبان (SVM) پرداخته شده است. داده‌هاي مورد استفاده براي اين پژوهش، داده‌هاي بارش و جريان روزانه رودخانه گاماسياب نهاوند در يك دوره 10 ساله (1391-1381) مي‌باشد. نتايج نشانگر اين بود كه مدل شبكه عصبي– فازي(ANFIS) و ماشين بردار پشتيبان(SVM) تقريبا عملكرد يكساني در مدل-سازي جريان روزانه رودخانه داشتند و نسبت به مدل شبكه بيزين كارايي بهتري داشتند.. علاوه بر اين سرعت اجراي مدل SVM نسبت به بقيه مدلها بيشتر بود و در زمان كوتاهي قادر به ارائه نتايج بود.

One of the most important issues in water resources engineering is the prediction of river flow rates as one of the main sources of human water supply, which is important in terms of water resources planning. Using new models in this field can help to manage and plan correctly. In this study, we evaluated 3 models called Neural-Fuzzy Network (ANFIS), Busin Network (BN) and Backup Machine Vector (SVM). The data used for this research is precipitation data and daily flow of Gamasiab Nahavand River during a 10 year period (1381-1391). The results indicated that the neural-fuzzy network model (ANFIS) and backup vector machine (SVM) had almost the same performance in daily river flow modeling and had better performance than the network model. In addition, the speed of implementation of SVM model compared to the rest The models were bigger and were able to deliver results in a short time.