مهدی سپهری؛ سید عباس عطاپور فرد؛ علیرضا ایلدرومی؛ حمید نوری؛ صبا گودرزی؛ محمد مهدی آرتیمانی؛ مرتضی سلگی
چکیده
برآورد دبی اوج بهعنوان یکی از مباحث اصلی در مدیریت منابع آبی و سیلاب نقش اساسی در طراحی سازههای آبی و اقدامات بیومکانیکی در حوزههای آبخیز دارد، بهطوری که برآورد صحیح آن نقش اساسی در موفقیت کارهای اجرایی دارد. در این بررسی، سعی شده با استفاده از روشهای هوش مصنوعی (شبکه عصبی MLP، ترکیب شبکه عصبی MLP و شبکه SOFM، ...
بیشتر
برآورد دبی اوج بهعنوان یکی از مباحث اصلی در مدیریت منابع آبی و سیلاب نقش اساسی در طراحی سازههای آبی و اقدامات بیومکانیکی در حوزههای آبخیز دارد، بهطوری که برآورد صحیح آن نقش اساسی در موفقیت کارهای اجرایی دارد. در این بررسی، سعی شده با استفاده از روشهای هوش مصنوعی (شبکه عصبی MLP، ترکیب شبکه عصبی MLP و شبکه SOFM، GRNN، ترکیب خوشهبندی FCM و ANFIS) دبی بیشینه رودخانه یلفان در محل ایستگاه هیدرومتری برآورد شود. به این منظور، در این دو مدل هشت متغیر که شامل بارندگی مربوط به روز وقوع سیل، بارندگیهای پنج روز قبل، دبی پایه در روز وقوع سیل و CN حوضه بهعنوان پارامترهای ورودی و دبی پیک بهعنوان خروجی در نظر گرفته شده است. سپس، با استفاده از روش هوش مصنوعی و پیش پردازش دادهها، ساختار بهینه مدلها با استفاده از دادههای ورودی و خروجی و با ملاک قراردادن معیارهای ارزیابی، به روش سعی و خطا تعیین شد. نتایج نشان داد که شبکه عصبی پرسپترون چند لایه (MLP) عملکرد بهتری در برآورد دبی سیلاب نسبت به مدل ترکیبی ANFIS+FCM ،MLP+SOFM ،GRNN در حوضه یلفان دارد.