بررسی عدم قطعیت مدلهای هوش مصنوعی در برآورد جریان رودخانه (مطالعه موردی: رودخانه کارون) | ||
| نشریه مهندسی عمران امیرکبیر | ||
| مقاله 18، دوره 54، شماره 11، بهمن 1401، صفحه 4383-4396 اصل مقاله (1.69 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22060/ceej.2022.21208.7653 | ||
| نویسندگان | ||
| یاسر مهدی زاده زارع اناری1؛ محمد نجف زاده1؛ صدیقه انوری* 2 | ||
| 1دانشکده عمران و نقشه برداری، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته، کرمان، ایران | ||
| 2پژوهشکده علوم محیطی، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته، کرمان، ایران | ||
| چکیده | ||
| پیشبینی دقیق فرآیندهای هیدرولوژیکی و احتساب عدم قطعیتهای آنها، از جمله چالشهای اساسی در حوضه مدیریت منابع اب است. هدف مقاله حاضر، پیشبینی جریان ماهانه رودخانه کارون در محل ایستگاه هیدرومتری ارمند با استفاده از روشهای هوش مصنوعی (AI) میباشد. بکارگیری رویکرد شبیهسازی مونت کارلو (MCS) جهت احتساب عدم قطعیت پیشبینیهای نامبرده و نیز مقایسه عملکرد آنها از اهداف دیگر مقاله محسوب میشود. بدین منظور از مدلهای مبتنی بر AI شامل برنامهنویسی بیان ژن(GEP) ، اسپیلاین رگرسیون تطبیقی چند متغیره (MARS) و درخت مدل (MT) استفاده شده است. همچنین آمار 28 ساله جریان رودخانه کارون (سالهای 1387-1360) استفاده و برای تولید اعداد تصادفی، روش پارامتریک توماس–فیرینگ (TF) بکار گرفته شد. نتایج ارزیابی عملکرد مدلها با شاخصهایی همچون ضریب همبستگی (R)، میانگین قدر مطلق خطا (MAE) و ریشه میانگین مربعات خطا (RMSE)، نشان داد که مدل MT در هر دو مرحله آموزش و آزمون عملکرد بهتری نسبت به سایرین داشته است. شاخصهای دقت مدل برای مرحله آموزش مدل MT برابر R=0.841 و RMSE=36.789 m^3/s بوده است در حالیکه این شاخصها برای مرحله آزمون برابر با R=0.87 و RMSE=44.253 m^3/s میباشد. نتایج ارزیابی عدم قطعیت پیشبینیها توسط مدلهای MARS، GEP و MT نشان داد که مدل MT با داشتن شاخص R-factor=1.67 و 95PPU=55.5% بهترین عملکرد را برای احتساب عدم قطعیت داشته است. | ||
| کلیدواژهها | ||
| پیشبینی جریان؛ مدلهای هوش مصنوعی؛ تحلیل عدم قطعیت؛ رویکرد مونت کارلو | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 1,310 تعداد دریافت فایل اصل مقاله: 1,411 |
||
| تعداد نشریات | 9 |
| تعداد شمارهها | 455 |
| تعداد مقالات | 5,771 |
| تعداد مشاهده مقاله | 8,377,385 |
| تعداد دریافت فایل اصل مقاله | 6,936,905 |