مدل پيش‌بيني جريان رودخانه با استفاده از سيستم فازي FISو الگوريتم بهينه‌سازي PSO

The Stream Flow Prediction Model Using Fuzzy Inference System and Particle Swarm Optimization

هدف از اين مطالعه پيش‌بيني رواناب به‌صورت مكاني با استفاده از اطلاعات ايستگاههاي هيدرومتري و هواشناسي بود. بررسي‌ها نشان مي‌دهد كه معمولاً ارتباطات مشخصي بين داده‌هاي هواشناسي و هيدرومتري بالادست حوضه با ميزان رواناب توليدي در خروجي حوضه وجود دارد و چنانچه بتوان قوانين نهفته در سابقه تاريخي داده‌هاي ثبت شده در اين ايستگاهها را استخراج نمود، مي‌توان به آساني بر پايه اطلاعات اندازه‌گيري شده به پيش‌بيني ميزان رواناب پرداخت. بر اين اساس از بين ابزارهاي موجود، تيوري فازي مي‌تواند با انعطاف‌پذيري خود در تدوين قوانين فازي، دانش نهفته در داده‌هاي مشاهده‌اي را به‌نحوه مطلوبي به‌منظور پيش‌بيني پارامترها در زمان واقعي ارايه نمايد. لذا در اين تحقيق سيستم استنتاج فازي به‌منظور برآورد ميزان رواناب در ايستگاهي واقع در پايين‌دست رودخانه طالقان‌رود با استفاده از آمار ايستگاههاي باران‌سنجي و هيدرومتري بالادست رودخانه به‌كار گرفته شد. اجراي سيستم فازي معمولي نشان‌دهنده عدم كارايي مناسب اين ابزار در ارايه مقادير صحيح پيش‌بيني است كه علت آن را مي‌توان در نامناسب بودن مقادير بازه‌اي مرتبط با توابع عضويت هر يك از پارامترهاي موثر در فرايند مدل‌سازي جستجو نمود. با توجه به زمان‌بر بودن ساخت تابع عضويت متناسب با هر يك از پارامترها به‌دليل تعدد حالات مختلف توابع عضويت، اقدام به استفاده تركيبي از الگوريتم بهينه‌سازي مبتني بر هوش جمعي به‌منظور تسريع و بهبود وضعيت مدل‌سازي گرديد. با اجراي مدل تركيبي، مقادير بهينه مرتبط با هر يك از توابع عضويت متغيرهاي وابسته و مستقل، استخراج شده و بر پايه آن و با استفاده از سيستم فازي اقدام به پيش‌بيني رواناب در ايستگاه پايين‌دست رودخانه گرديد. نتايج نشان‌دهنده دقت بالاي استفاده از روش تركيبي پيشنهادي در مقايسه با روشهاي كاربرد منفرد استنتاج فازي است به‌طوري كه با استفاده از اين مدل پيشنهادي مي‌توان ميزان دقيق‌تري از رواناب را براي شرايط آينده برآورد نمود.

The aim of this study is the spatial prediction runoff using hydrometric and meteorological stations data. The research shows that usually there is a certain communication between the meteorological and hydrometric data of upstream basin and runoff rates in output basin. So, if can be extracted the rules related to historical data that recorded at stations, can be easily predicted runoff amount based on data measured. Accordingly, among the tools available, the fuzzy theory (with flexibility in developing fuzzy rules) can be provide the knowledge lies in the observed data to parameters prediction in real time. So, in this research the fuzzy inference system has been used for estimating runoff rates at stations located in the Taleghan river downstream using rain gage stations and hydrometric stations upstream. Because the inappropriate values associated with membership functions, the based optimization algorithm and fuzzy theory developed to accelerate and improve modeling. The result of proposed model, optimum values to each membership function that related to dependent and independent variable extracted and based on it’s the runoff rates in rivers downstream predicted. The results of this study were shown that the high accuracy of proposed model compared with fuzzy inference system. Also based on proposed model can be more accurately the rate of runoff estimated for future conditions