مروری بر کاربرد هوش مصنوعی در مدل سازی سیلاب با استفاده از نرم افزارهای هیدرولوژیکی

مدل سازی سیلاب در دهه های اخیر با ورود فناوری های هوش مصنوعی به حوزه ابزارهای عددی هیدرولوژیکی و هیدرولیکی دچار تحول چشمگیری شده است. در این مطالعه، مروری جامع بر کاربرد الگوریتم های هوش مصنوعی در بهبود دقت پیش بینی، کارایی محاسباتی و قابلیت های پشتیبان تصمیم گیری در فرآیند مدل سازی سیلاب ارائه می شود. تمرکز اصلی این بررسی بر نرم افزارهای پرکاربردی چون HEC-RAS، SWMM، MIKE و InfoWorks است که به صورت ترکیبی با الگوریتم هایی نظیر شبکه های عصبی مصنوعی (ANN)، ماشین بردار پشتیبان (SVM)، یادگیری عمیق (DL) و درخت تصمیم (DT) مورد استفاده قرار گرفته اند. یافته ها نشان می دهد که هوش مصنوعی قادر است الگوهای پیچیده در داده های بارندگی، رواناب و توپوگرافی را شناسایی کرده و مکمل مناسبی برای مدل های فیزیکی سنتی، به ویژه در شرایط داده محدود یا سیستم های غیرخطی باشد. همچنین چالش هایی نظیر کیفیت داده ها، قابلیت تفسیرپذیری مدل ها و تعمیم پذیری نتایج مورد بحث قرار گرفته اند. در پایان، با معرفی روندهای نوظهور مانند مدل های ترکیبی و سامانه های پیش بینی سریع، شکاف های پژوهشی موجود شناسایی و مسیرهای آینده برای توسعه پایدار و دقیق تر مدل سازی سیلاب مبتنی بر هوش مصنوعی پیشنهاد می شود.

کلیدواژه ها:

مدلسازی سیلاب ، الگوریتم های یادگیری ماشین ، سامانه های پیش بینی سریع ، نرم افزارهای هیدرولوژیکی