مدلسازي رابطه دبي - اشل در رودخانه‌ها با استفاده از سيستم‌هاي هوشمند

Stage -Discharge Relationship Modeling in Rivers Using

اندازه گيري دايمي دبي رودخانه ها در ايستگاههاي هيدرومتري مخصوصاً در مواقع سيلابي غالباً پر هزينه و مشكل مي‌باشد، بدِِين منظور جهت مدل سازي رابطه دبي- اشل مدل هاي رياضي و هوشمند متعددي توسعه يافته و مورد استفاده قرار مي گيرد. در اين تحقيق از سه روش شبكه هاي عصبي مصنوعي ، سيستم استنتاج عصبي- فازي و برنامه‌ريزي ژنتيك براي مدل سازي رابطه دبي-اشل روزانه در دو ايستگاه يامولا و سوقوتلوهان واقع در رودخانه قيزيليرماك كشور تركيه استفاده شده است. مدل سازي رابطه دبي- اشل با سه روش مذكور با تركيب هاي مختلف ورودي شامل اشل ها و دبي انجام شد كه با توجه به نتايج ارزيابي ، روش سيستم استنتاج عصبي- فازي از دقت بيشتري برخوردار است. بدليل قابليت استخراج رابطه رياضي و انتخاب متغيرهاي معني دار توسط روش برنامه ريزي ژنتيك، مدل حاصل از اين روش با چهار عمل اصلي{+,-,*,/}وبا ضريب تعيين، ريشه ميانگين مربعات خطا و قدرمطلق ميانگين خطا در ايستگاه يامولا به ترتيب 000/1، 974/0، 552/0 و درايستگاه سوقوتلوهان 999/0، 095/1 و 630/0 به عنوان بهترين مدل دبي-اشل انتخاب گرديد.

Since continual measurement of rivers discharge, specialy at flooding time is expensive and difficult task, modeling of stage-discharge relationship using mathematical and intelligent models have been developed and used. In this research artificial neural networks, inference neuro-fuzzy and genetic programming were used for modeling daily stage- discharge relationship at the two stations, Yamula and Sogutluhan on the Kizilirmak river in Turkey. Modeling were accomplished by the above three methods with various combination of inputs including the previous stage-discharge data. According to the results obtained, neuro-fuzzy showed greater accuracy. Due to ability of genetic programming for evolving mathematical relationship and selecting significant variables, this method was selected as the best for stage-discharge relationship modeling using four main operators including {+,-,*,/} with R2,RMSE and MAE for Yamula station are 1.000, 0.974 and 0.552 and for Sogutluhan station, 0.999, 1.095 and 0.630 respectively.