استفاده از الگوریتم ترکیبی برای کالیبراسیون مدل کیفی آب مخزن سد

مدلهای شبیه سازی سیستم های بزرگ بطور عام و مدلهای شبیه سازی کیفی آب بطور خاص، بسیار پیچیده بوده و کالیبراسیون آنها کاری دشوار است. این مدلها معمولا باید با تنظیم همزمان تعداد زیادی از پارامترها کالیبره شوند تا به سازگاری بهینه بین خروجی های مدل و اندازه گیری های میدانی برسند. در این مقاله برای غلبه براین چالش ها، استفاده از الگوریتم های ترکیبی شبکه عصبی- بهینه ساز ذرات جمعی پیشنهاد شده است. دراین روش ابتدا PSO به عنوان بهینه ساز با مدل شبیه ساز بزرگ مقیاس CE-QUAL-W2 در یک فرایند رفت و برگشتی قرار می گیرد. برای کاهش حجم محاسبات از تقریب ساز ANN به جای شبیه ساز استفاده خواهد شد. شبکه عصبی که آموزش دیده شده است جایگزین مدل شبیه ساز CE-QUAl-W2 در مدل شبیه ساز بهینه ساز CE-QUAL-W2_ PSO شده و رفتار آن را تخمین می زند. در این مطالعه از داده های میدانی سد کرخه در طول دوره شبیه سازی دو ماهه استفاده شده است. شبکه عصبی با پیش بینی رفتار مدل شبیه ساز و ترکیب با الگوریتم بهینه سازPSO توانست سرعت کالیبراسیون را به مقدار بسیار خوبی بالا ببرد درحالیکه پاسخ ها از کیفیت خوبی برخوردار بوده اند.

کلیدواژه ها:

کالیبراسیون ، الگوریتم ترکیبی ، الگوریتم بهینه ساز ذرات جمعی ، شبکه عصبی ، مدل شبیهساز ، CE-QUAlW2