رونديابي سيل رودها با بهره وري از شبيه هاي شبكه ي عصبي مصنوعي تكاملي

River Flood Routing Using Evolutionary Artificial Neural Networks

يكي از روش هاي پيش بيني سيل در رودخانه ها به منظور مديريت و كنترل سيل در آن، رونديابي سيل مي باشد. امروزه تكنيك جديد استفاده از مدل شبكه هاي عصبي مصنوعي تكاملي(EANN) كه مبتني بر هوش مصنوعي مي باشد، كاربرد گسترده اي در زمينه هاي مختلف علمي به ويژه مهندسي آب پيدا كرده است. در اين تحقيق به رونديابي سيل در رودخانه كارون، بازه اهواز- فارسيات، با استفاده از مدل هاي شبكه عصبي مصنوعي تكاملي پيش رونده (FF)، پرسپترون چندلايه (MLP) وتوابع شعاعي (RBF) پرداخته شد. براي تعيين تعداد و تاخير زماني موثر داده هاي ورودي در مدل هاي شبكه عصبي مصنوعي از روش همبستگي عرضي خطي(Linear Cross Correlation) بين سري هاي زماني ورودي ها و خروجي ها استفاده شد. با استفاده از الگوريتم ژنتيك ساختار مدل هاي شبكه عصبي مصنوعي از نظر تعداد گره ها در لايه پنهان شبكه هاي عصبي مصنوعي بهينه گرديد. نتايج نشان مي دهد كه روش همبستگي عرضي به خوبي تعداد و تاخير زماني موثر داده هاي ورودي را تعيين مي نمايد. علاوه بر اين مقايسه خروجي مدل ها با مقادير واقعي نشان مي دهد كه مدل MLP انتخاب شده نسبت به مدل هايMIKE11 و ماسكينگام از توانايي، انعطاف پذيري و دقت بيشتري در پيش بيني و رونديابي سيلاب در رودخانه كارون برخوردار مي باشد.

Flood routing is one of the methods for flood forecasting in rivers to control and manage flood in it. Today, new techniques using Evolutionary Artificial Neural Networks (EANN) based on Artificial Intelligence (AI) is used widely in various fields, especially in water engineering. In this research, routed flood in Karun river, reach Ahwaz-Farsiat using Feed Forward (FF), Multi-Layer Perceptron (MLP) and Radial Basis Function (RBF) of artificial neural networks. The linear cross correlation method was used for efficient input variables selection .The Algorithm Genetic method was used for determining optimum number of nodes in hidden layer of EANNs. Results show that can select efficient input variables by using cross correlation method. In addition the output of models compared with actual values shows that selected MLP model rather to Muskingum and MIKE11 have ability, flexibility and greater accuracy in forecasting and flood routing in Karun river.