پیش بینی تبخیر ماهانه از مخزن سد با استفاده از الگوریتمهای یادگیری ماشین ( ANFIS ، LS-SVR و ANFIS-HHO)

پیش بینی مقادیر تبخیر از مخازن سدها به منظور تعیین مقدار بهره برداری و تخصیص بهینه از سد بسیار ضروریست. در تحقیق حاضر از مدلهای ANFIS LS-SVR و ANFIS-HHO برای پیش بینی مقادیر تبخیر از مخزن سد درودزن در استان فارس استفاده شده است. جریان ورودی و خروجی مخزن، مساحت دریاچه پشت سد متوسط، دما، سرریز از مخزن، بارش و تبخیر ماه قبل، در گامهای ماهانه در طول دوره آماری مهر سال ۱۳۷۸ تا شهرویور سال ۱۳۹۹، در مدل سازی بکار برده شده است. نتایج نشان داد که LS-SVR با MAPE=۲.۷۷، RMSE=۲.۴۸ و NSE=۰.۹۳ پیش بینی بهتری نسبت به ANFIS ارائه میدهد. در مرحله دوم از الگوریتم HHO برای بهینه سازی پارامترهای ANFIS جهت بررسی امکان بهبود عملکرد استفاده گردید. مدل ترکیبی ANFIS-HHO تبخیر را به ترتیب با MAPE=۲.۳۵، RMSE=۱.۵۵ و NSE=۰.۹۵ پیش بینی کرد. بر اساس نمودار تیلور مدل هیبریدی ANFIS-HHO نسبت به مدلهای LS-SVR و ANFIS عملکرد بهتری نشان میدهد. بهترین سناریو برای هر سه مدل شامل همه متغیرهای ورودی به جز منطقه پشت سد در مدلها بوده است. روش پیشنهادی در این مطالعه برای پیشبینی تبخیر از مخازن سد تحت تاثیر متغیرهای مختلف سد مفید است.

کلیدواژه ها:

تبخیر از مخزن سد ، پیش بینی ، روشهای یادگیری ، ماشین ANFIS-HHO ، ANFIS ، LS-SVR