شبيه‌سازي بارش- رواناب با استفاده از ماشين آموزش نوين در حوضه رودخانه شهرچاي

در اين مطالعه، داده هاي سري زماني بارش و رواناب حوضه رودخانه شهرچاي از سال 2000 تا 2017 با استفاده از يك مدل هوش مصنوعي نوين تركيبي شبيه سازي شد. براي توسعه مدل هوش مصنوعي مذكور سه الگوريتم ماشين آموزش نيرومند (ELM)، تكامل تفاضلي (DE)و تبديل موجك (WT) با هم تركيب شدند و مدل هاي تركيبي SAELM و WSAELM ارائه شد. در ابتدا، موثرترين تاخيرهاي داده هاي سري زماني با استفاده از تابع خود همبستگي شناسايي شدند. سپس با استفاده از اين تاخيرها، براي هر يك از مدل هاي SAELM و WSAELM هفت مدل هوش مصنوعي تعريف گرديد. علاوه بر اين 70 درصد مقادير مشاهداتي براي آموزش مدل هاي هوش مصنوعي و 30 درصد باقيمانده نيز براي ارزيابي آن ها استفاده شدند. براي مدل WSAELM 7 به عنوان مدل برتر، مقادير R2، شاخص پراكندگي (SI) و ضريب نش(NSC) براي شبيه سازي بارش به ترتيب مساوي با 0/967، 0/208 و 0/965 بدست آمدند. همچنين تحليل حساسيت نشان داد كه تاخيرهاي (t1)، (t2) و (t12) به عنوان موثرترين تاخيرهاي ورودي در نظر گرفته شدند. در انتها براي مدل هاي برتر يك تحليل عدم قطعيت انجام شد.