فهرست نشریات علمی دسترسی آزاد ایران

روندیابی سیل از طریق رودخانه‌ها، به منظور کنترل و جلوگیری از خسارات ناشی از سیل، از اقدامات مهم به شمار می‌آید. پیش‌بینی هیدروگراف سیلاب به طور کلی به دو روش هیدرولوژیکی (ماکسینگام و عددی) و یا روش‌های هیدرولیکی (حل معادلات سنت- ونانت) انجام می‌شود. روش‌های 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 خروجی‌های حاصل از الگوریتم‌های 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 الگوریتم‌ها، از معیارهای ارزیابی میانگین مطلق خطای (MAE)، ریشه میانگین مربعات خطا (RMSE)و ضریب تعیین (R2) استفاده شده است. محاسبات روندیابی سیل در بازه‌ ملاثانی اهواز (به عنوان مطالعه موردی) برای دوره مطالعاتی 2011-2017 انجام شده است. نتایج بدست آمده، حاکی از موفقیت مناسب الگوریتم ترکیبی RVM – CMAES به عنوان ابزاری قدرتمند در بحث پیش‌بینی هیدروگراف، برای مدیریت سیلاب با معیارهای ارزیابی، ۶۹/۱۹=MAE، ۳۷/۲۹RMSE = و ۹۳/۰R2= در دوره آموزش و ۱۶/۱۹MAE= ، ۸۳/۲۷RMSE= و ۹۴/۰ R2= در دوره آزمون می‌باشد. علاوه بر این نمودارهای تیلور و سری زمانی هیدروگراف روندیابی شده حاکی از برتری الگوریتم ترکیبی نسبت به سایر الگوریتم‌ها بوده است. الگوریتم پیشنهادی دارای پتانسیل بالا برای استفاده در سامانه‌های هشدار سیل و سایر مسائل مربوط به مدیریت منابع آب می‌باشد.