نوع مقاله : پژوهشی

نویسندگان

• سعید رستمی ¹
• بابک شاهی نژاد ²
• حجت اله یونسی ²
• حسن ترابی پوده ³
• رضا دهقانی ⁴

¹ دانشجوی دکتری سازه‌های آبی، دانشکده‌ی کشاورزی، دانشگاه لرستان

² استادیار گروه مهندسی آب، دانشکده‌ی کشاورزی، دانشگاه لرستان

³ دانشیار گروه مهندسی آب، دانشکده‌ی کشاورزی، دانشگاه لرستان

⁴ دانش‌آموخته‌ی دکتری سازه‌های آبی، دانشکده‌ی کشاورزی، دانشگاه لرستان

چکیده

سیل از جمله پدیده‌های طبیعی است که هر ساله خسارات جانی و مالی زیادی را در دنیا به بار آورده و مشکلات عدیده‌ای را بر سر راه توسعه‌ی‌ اقتصادی و اجتماعی کشورها ایجاد می‌نماید. از این رو جهت کاهش خسارات، کنترل و هدایت این پدیده، برآورد دبی سیلابی و شناسایی عوامل مؤثر بر آن بسیار حائز اهمیت می‌باشد. در این پژوهش، به منظور برآورد دبی سیلابی حوضه‌ی آبریز کشکان واقع در استان لرستان از مدل­های هوش مصنوعی هیبریدی نوین شامل شبکه عصبی مصنوعی- تفنگدار خلاق، شبکه عصبی مصنوعی-عنکبوت بیوه سیاه و شبکه عصبی مصنوعی- ازدحام مرغ در طی دوره­ی زمانی 1400-1390 استفاده شد. برای ارزیابی عملکرد شبیه‌سازی از شاخص‌های آماری ضریب تعیین (R²)، میانگین مطلق خطا (MAE)، ضریب کارایی نش- ساتکلیف (NSE) و درصد بایاس (PBIAS) استفاده گردید. نتایج نشان داد که بطور کلی مدل­های هوش مصنوعی هیبریدی عملکرد بهتری نسبت به مدل منفرد در برآورد دبی سیلابی دارند. نتایج نشان داد مدل شبکه عصبی مصنوعی- تفنگدار خلاق نسبت به سایر مدل­ها از دقت بیشتر و خطای کمتری برخوردار است. در مجموع نتایج نشان داد استفاده از مدل­های هوش مصنوعی هیبریدی در برآورد دبی سیلابی موثر بوده و می­تواند به عنوان راهکاری مناسب و سریع در مدیریت منابع آب مطرح شود.

کلیدواژه‌ها

• تفنگدار خلاق
• شبیه‌سازی
• هوش مصنوعی
• جنوب غربی
• حوضه‌ی آبریز کشکان

20.1001.1.23833254.1400.8.29.10.5

موضوعات

• ژئومورفولوژی

عنوان مقاله [English]

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

نویسندگان [English]

• Saeid Roustami ¹
• Babak Shahinejad ²
• Hojatolah Younesi ²
• Hassan Torabipoudeh ³
• Reza Dehghani ⁴

¹ Ph.D. Student in Hydraulic Structures, Faculty of Agriculture, Lorestan University

² Assistant Professor, Department of Water Engineering, Faculty of Agriculture, Lorestan University

³ Associate Professor of Water Engineering, University of Lorestan

⁴ Ph.D. Student in Hydraulic Structures, Faculty of Agriculture, Lorestan University

چکیده [English]

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.

کلیدواژه‌ها [English]

• Innovative Gunner
• Simulation
• Artificial Intelligence
• Southwest
• Kashkan Basin