مهندسی عمران امیرکبیر، جلد ۵۶، شماره ۱، صفحات ۱-۱
عنوان فارسی پیش‌بینی دبی ورودی روزانه سد سفیدرود با الگوریتم‌های فرا ابتکاری ترکیبی با سیستم استنتاجی عصبی فازی
چکیده فارسی مقاله تخمین مقادیر دبی ورودی به سیستم منابع آبی یکی از اقدامات اساسی برای آگاهی از برنامه‌ریزی و تخصیص بهینه منابع آب به بخش‌های مختلف مصرف، در آینده است. در این مطالعه، از ترکیب الگوریتم‌های فرا ابتکاری شامل الگوریتم‌های فرا ابتکاری چرخه‌ی آب (WCA)، گرگ خاکستری (GOW)، وال (WOA)، الگوریتم شبکه عصبی (NNA) و ملخ (GOA) برای آموزش سیستم عصبی- فازی و به‌روزرسانی پارامترهای آن استفاده گردید و در نهایت بهترین مدل‌ها برای پیش‌بینی دبی ورودی روزانه سد مخزنی سفیدرود، توسعه داده شد که این روش مشکلات آموزشِ الگوریتم‌های بر پایه گرادیان را ندارد. چهار ویژگی شامل مساحت دریاچه سد، حجم مخزن و تراز مخزن سد در 7 روز قبل و دبی ورودی در یک روز قبل با توجه به توابع خود همبستگی و همبستگی متقابل برای ورودی مدل‌های هوشمند انتخاب گردید. برای ارزیابی عملکرد مدل‌های کاربردی از شاخص‌های آماری مختلفی استفاده شد. در مرحله آزمون، مدل ANFIS-WCA کمترین مقادیرSI ، MAE وNRMSE به ترتیب برابر 0736/0، 5048/0 و 0736/0 و بیش‌ترین مقدار R^2 برابر 9840/0را ارائه می‌کند، که نشان‌دهنده برتری آن نسب به سایر مدل‌ها است. بر اساس شاخص GPI، مدلANFIS-WCA به عنوان بهترین مدل و پس از آن مدل‌های ANFIS-NNA ، ANFIS-GOA و ANFIS-WOA رتبه‌بندی شدند، درحالی‌که بدترین دقت از طریق مدل ANFIS-GOA به دست آمد. دقت بالای مدل ANFIS-WCA در مقایسه با سایر مدل‌های هیبریدی نشان‌دهنده عملکرد الگوریتم چرخه آب برای فرار از بهینه محلی در ترکیب با مدل ANFIS است،که قادر کرده این الگوریتم به ابزاری قدرتمند برای تخمین دبی ورودی سد سفیدرود تبدیل شود.
کلیدواژه‌های فارسی مقاله الگوریتم چرخه آب، سد سفیدرود، دبی ورودی سد، سیستم استنتاج فازی &،amp ndash، عصبی- تطبیقی، هوش مصنوعی،
عنوان انگلیسی Estimating the daily inflow of Sefidroud dam using meta-heuristic algorithms combined with fuzzy neural inference system
چکیده انگلیسی مقاله Estimating the water inflows to water resources systems is one of the essential measures for awareness of planning and allocating optimal water resources in different sectors of consumption. In this study, a combination of Meta Heuristic algorithms including the Water Cycle Algorithms (WCA), Grey Wolf Optimizer (GWO), Whale Optimization Algorithm (WOA), Neural Network Algorithm (NNA) and Grasshopper Optimization Algorithm (GOA) for Neural-Fuzzy System training and update parameters was used. Finally, the best models were developed to predict the daily inflow of Sefidrood reservoir dam. This method does not suffer from the problems of training gradient-based algorithms. Four features including dam lake area, reservoir volume and reservoir level of the dam in the 7 lags and inlet flow in the 1 lag were selected according to the AutocVarious statistical indicators were used to evaluate the performance of utilized models. In the test stage, ANFIS-WCA model presents the lowest values of SI, MAE and NRMSE equal to 0.0736, 0.05048 and 0.0736, respectively, and the maximum value of R^2equals to 0.9840, which indicates its superiority over other models. Based on GPI index, ANFIS-WCA model was selected as the best model and then ANFIS-NNA, ANFIS-GOA and ANFIS-WOA models were ranked, while the worst accuracy was obtained through the ANFIS-GOA model. The high accuracy of the ANFIS-WCA model compared to other hybrid models indicates the performance of the WCA for escaping local optimization in combination with the ANFIS model which has enabled this algorithm as a powerful tool for estimating the inflow of Sefidrood dam.
کلیدواژه‌های انگلیسی مقاله الگوریتم چرخه آب, سد سفیدرود, دبی ورودی سد, سیستم استنتاج فازی &,amp ndash, عصبی- تطبیقی, هوش مصنوعی
نویسندگان مقاله حسین حکیمی خانسر |
دانشجوی دکتری سازه‌های آبی، گروه علوم و مهندسی آب، دانشگاه تبریز،

جواد پارسا |
گروه علوم و مهندسی آب، دانشگاه تبریز، تبریز، ایران

عمران مومنی کلشتری |
3- کارشناس ارشد مهندسی مدیریت منابع آب و مدیر سدهای گیلان

نوربخش کرمی |
کارشناس ارشد مدیریت ساخت و رییس اداره بهره‌برداری و نگهداری از سد و نیروگاه سفیدرود

معین خوشدل سنگده |
کارشناس ارشد ژئوتکنیک، دانشگاه محقق اردبیلی و کارشناس شرکت سهامی آب منطقه‌ای گیلان

نشانی اینترنتی https://ceej.aut.ac.ir/article_5363_0ab0846bc34f04c87d8026dbcda2e318.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات