در قالب یك پژوهش بررسی شد؛
استفاده از هوش مصنوعی در مدل سازی پروسه بارش - رواناب
اصفهان در پژوهشی برمبنای استفاده از هوش مصنوعی در مدل سازی پروسه بارش-رواناب، نشان داده شد که این نوع شبیه سازی یکی از روش های تخمین روانـاب و ابزاری مناسب بـرای مطالعـه فراینـدهای هیـدرولوژیک و ارزیابی منابع آب است.
پیش بینی رواناب یک موضوع تحقیقی فعال و اجتناب ناپـذیر در حوزه هیدرولوژی آب های سطحی بوده و همچنان به خاطرعدم قطعیت های موجـود در پارامترهـای هواشناسـی و هیـدرولوژی مسئله ای پابرجا است. این مسئله یکی از نیازهای عمده در طراحی پروژه های آبخیزداری و منابع آب است که برای برآورد آن از روش های مختلف استفاده مـی شـود.
فراینـد بارش –روانــاب از اساســی تــرین و تأثیرگــذارترین فراینــدهای علــم هیدرولوژی شمرده می شود و یکی از با اهمیت ترین اجزای چرخه هیدرولوژی است. باتوجه به محـدودیت منـابع آب شیرین، پیش بینی و مدلسازی صحیح این پروسه برای مـدیریت منابع آب و کاهش خسارات سیل لازم است.
در پژوهشی که توسط یاروسلاو کرمانسکی، محمود حبیب نژاد روشن، کاکا شاهدی و سیدحسین روشان انجام شد، عملکرد روش های هوش مصنوعی ANN و SVM در مدلسازی پروسه بارش – رواناب (مطالعه موردی: حوضه آبخیز کارون شمالی) مقایسه شد.
در این تحقیق، بمنظور شبیه سازی پروسه بارش– رواناب از داده هـای بـارش و دبـی جریـان در دوره زمانی ۱۳۹۶ -۱۳۷۶ استفاده شد. پس از کنترل کیفی و صحت داده ها، تأخیر بارش و دبی با بهره گیری از ضرایب خودهمبستگی، خود همبسـتگی جزئی و همبستگی متقارن در نرم افزار Studio R مشخص شد. سپس پارامترهای مؤثر و ترکیب بهینه نیز بهروش آزمون گاما تعیین و بـرای اجـرای مدل تحت سه سناریوی مختلف در نرمافزار MATLAB مورد استفاده قرار گرفتند.
نتایج این پژوهش نشان میدهد که استفاده از روش های نوین هـوش مصـنوعی در شـبیه سـازی پروسه بارش– رواناب جهت بررسی خصوصـیات سـیلاب هـا پیش از زمان رسیدن به دبی و زمان وقوع اوج متـداول شـده است. همین طور نتایج آزمون گاما نشان داد که پارامترهـای بـارش روز جـاری، بارش یک روز قبل، دبی روز قبل و دو روز قبل دارای بیشترین تأثیر در دبی خروجی حوضه هستند.
این نوع شبیه سازی یکی از روش های تخمین روانـاب و ابزاری مناسب بـرای مطالعـه فراینـد های هیـدرولوژیک و ارزیابی منابع آب هستند. نتـایج ایـن مطالعـه مـی توانـد در تصــمیم گیرهــای مــدیریت صــحیح منــابع آب بــه خصــوص جریان های سـطحی، مطالعـه مربـوط بـه حساسـیت سـیلاب و هشدار سیل، انتخاب مدل بهینه برآورد رواناب ناشی از بـاران و مطالعات مربوط به مهندسی رودخانه و طراحی سازه هـا بـه کـار گرفته شود.
نتایج پژوهش «مقایسه عملکرد روشهای هوش مصنوعی ANN و SVM در مدلسازی پروسه بارش – رواناب (مطالعه موردی: حوضه آبخیز کارون شمالی)» در شماره دوم نشریه علوم آب و خاک دانشگاه صنعتی اصفهان تابستان ۱۴۰۰ منتشر گردید.
این مطلب را می پسندید؟
(1)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب