ارزيابي كارايي مدل هاي هوش مصنوعي هيبريدي نوين در برآورد دبي سيلابي

Analysis of New Hybrid Artificial Intelligence Models in Estimating Flood Flow :Case Study: Kashkan Watershed

سيل از جمله پديده‌هاي طبيعي است كه هر ساله خسارات جاني و مالي زيادي را در دنيا به بار آورده و مشكلات عديده‌اي را بر سر راه توسعه‌ي‌ اقتصادي و اجتماعي كشورها ايجاد مي‌نمايد. از اين رو جهت كاهش خسارات، كنترل و هدايت اين پديده، برآورد دبي سيلابي و شناسايي عوامل مؤثر بر آن بسيار حائز اهميت مي‌باشد. در اين پژوهش، به منظور برآورد دبي سيلابي حوضه‌ي آبريز كشكان واقع در استان لرستان از مدل­هاي هوش مصنوعي هيبريدي نوين شامل شبكه عصبي مصنوعي- تفنگدار خلاق، شبكه عصبي مصنوعي-عنكبوت بيوه سياه و شبكه عصبي مصنوعي- ازدحام مرغ در طي دوره ­ي زماني 1400-1390 استفاده شد. براي ارزيابي عملكرد شبيه‌سازي از شاخص‌هاي آماري ضريب تعيين (R2)، ميانگين مطلق خطا (MAE)، ضريب كارايي نش- ساتكليف (NSE) و درصد باياس (PBIAS) استفاده گرديد. نتايج نشان داد كه بطور كلي مدل­هاي هوش مصنوعي هيبريدي عملكرد بهتري نسبت به مدل منفرد در برآورد دبي سيلابي دارند. نتايج نشان داد مدل شبكه عصبي مصنوعي- تفنگدار خلاق نسبت به ساير مدل­ها از دقت بيشتر و خطاي كمتري برخوردار است. در مجموع نتايج نشان داد استفاده از مدل­هاي هوش مصنوعي هيبريدي در برآورد دبي سيلابي موثر بوده و مي ­تواند به عنوان راهكاري مناسب و سريع در مديريت منابع آب مطرح شود.

Flood is one of the natural phenomena that causes a lot of human and financial losses in the world every year and creates many problems for the economic and social development of countries. Therefore, in order to reduce the damage, control and guidance of this phenomenon, estimating flood discharge and identifying the factors affecting it is very important. In this study, in order to estimate the flood discharge of Kashkan catchment located in Lorestan province, new hybrid artificial intelligence models including artificial neural network - innovative gunner, artificial neural network - black widow spider and artificial neural network - chicken crowding during the period 1300-1400 were used. To evaluate the simulation performance, statistical indices of determination coefficient (R2), absolute mean error (MAE), Nash-Sutcliffe productivity coefficient (NSE), bias percentage (PBIAS) were used. The results showed that hybrid artificial intelligence models improve the performance of the single model. The results showed that the artificial neural network- innovative gunner model has more accuracy and less error than other models. Overall, the results showed that the use of hybrid artificial intelligence models is effective in estimating flood discharge and can be considered as a suitable and rapid solution in water resources management.