مدل‌سازی بار رسوب معلق با استفاده مدل رگرسیون غیرخطی هوشمند براساس الگوریتم ژنتیک و شبکه عصبی مصنوعی چندلایه (مطالعه موردی رودخانه میناب)

• تاریخ ثبت: 06 آبان 1398
• نویسندگان: ناصر صفائیان حمزه کلائی, میثم علی ضمیر
• کلمات کلیدی: بار رسوب معلق؛ مدل رگرسیون غیرخطی هوشمند؛ الگوریتم ژنتیک؛ شبکه عصبی مصنوعی؛ رودخانه میناب.

تخمین میزان بار رسوب معلق در رودخانه‌ها یکی از مهمترین مسائل در مدیریت منابع آب می‌باشد. این تحقیق برای نخستین بار یک مدل هوشمند کارآمد بر اساس ترکیب الگوریتم بهینه‌سازی ژنتیک و شبکه‌های عصبی مصنوعی برای تخمین میزان بار رسوب معلق در رودخانه میناب واقع در جنوب ایران ارائه می‌نماید. مدل‌های توسعه داده شده توسط داده‌های مشاهداتی که شامل دبی رودخانه و دبی رسوب می‌باشد، آموزش و آزمایش گردیده‌اند. همچنین، به‌منظور تعیین بهترین ترکیب داده‌های ورودی از آنالیز همبستگی استفاده شده است. برای بررسی کارآیی مدل پیشنهادی، نتایج مدل ترکیبی (شبکه‌های عصبی و الگوریتم ژنتیک) با مدل شبکه‌های عصبی که وظیفه تنظیم وزن‌های شبکه توسط الگوریتم بهینه ساز صورت گرفته است، با استفاده از آماره‌هایی مانند ضریب تبیین (R2) و جذر میانگین مربعات خطا (RMSE)، مقایسه شده است. نتایج حاکی از آن است که مدل ترکیبی بر اساس الگوریتم بهینه‌ساز ژنتیک برتری قابل ملاحظه‌ای نسبت به مدل شبکه عصبی در دوره آموزش و هم آزمایش داشته و نقاط پیک بار رسوبی را با دقت بهتری تخمین می‌زند. بهترین مدل ترکیبی با خطای 1543 کیلوگرم در روز در مقابل شبکه عصبی با خطای 2860 کیلوگرم در روز دقت بیشتری را از خود نشان داده و می‌تواند به عنوان یک مدل کارآمد جهت مدل‌سازی انتقال رسوب در رودخانه به‌کار گرفته شود.