رویکردی جدید در روندیابی سیلاب بر مبنای تلفیق تئوری بیز، ماشین بردار پشتیبان و الگوریتم بهینه سازی فراابتکاری

روندیابی سیل از طریق رودخانه ها، به منظور کنترل و جلوگیری از خسارات ناشی از سیل، از اقدامات مهم به شمار می آید. پیش بینی هیدروگراف سیلاب به طور کلی به دو روش هیدرولوژیکی (ماکسینگام و عددی) و یا روش های هیدرولیکی (حل معادلات سنت- ونانت) انجام می شود. روش های عددی به علت کم بودن پارامترها، هزینه کم محاسبات و در نهایت دقت مناسب، بصورت گسترده مورد توجه قرار دارد. در این مطالعه، به بررسی کاربرد هوش مصنوعی برای روندیابی جریان رودخانه پرداخته شده است. به این منظور، از الگوریتم ترکیبی، استراتژی تکاملی انطباق ماتریس کوواریانس (CMAES) و ماشین بردار بیزین (RVM)استفاده شده است. همچنین، نتایج آن با خروجی های حاصل از الگوریتم های طبقه بندی درخت تصمیم (CART)، الگوریتم تقویت گرادیان مضاعف XGBoost، ماشین بردار بیزین ساده (RVM)و جنگل تصادفی (RF) مورد مقایسه قرار گرفته است. در نهایت برای ارزیابی عملکرد و کارآیی الگوریتم ها، از معیارهای ارزیابی میانگین مطلق خطای (MAE)، ریشه میانگین مربعات خطا (RMSE)و ضریب تعیین (R۲) استفاده شده است. محاسبات روندیابی سیل در بازه ملاثانی اهواز (به عنوان مطالعه موردی) برای دوره مطالعاتی ۲۰۱۱-۲۰۱۷ انجام شده است. نتایج بدست آمده، حاکی از موفقیت مناسب الگوریتم ترکیبی RVM – CMAES به عنوان ابزاری قدرتمند در بحث پیش بینی هیدروگراف، برای مدیریت سیلاب با معیارهای ارزیابی، ۶۹/۱۹=MAE، ۳۷/۲۹RMSE = و ۹۳/۰R۲= در دوره آموزش و ۱۶/۱۹MAE= ، ۸۳/۲۷RMSE= و ۹۴/۰ R۲= در دوره آزمون می باشد. علاوه بر این نمودارهای تیلور و سری زمانی هیدروگراف روندیابی شده حاکی از برتری الگوریتم ترکیبی نسبت به سایر الگوریتم ها بوده است. الگوریتم پیشنهادی دارای پتانسیل بالا برای استفاده در سامانه های هشدار سیل و سایر مسائل مربوط به مدیریت منابع آب می باشد.

کلیدواژه ها:

پیش بینی سیلاب ، هیدروگراف ، روندیابی سیلاب ، روش های یادگیری ماشین