پیشبینی دبی ورودی روزانه سد سفیدرود با الگوریتمهای فراابتکاری ترکیبی با سیستم استنتاج عصبی فازی
نویسندگان
1 شرکت سهامی آب منطقهای گیلان، ایران
2 گروه علوم و مهندسی آب، دانشگاه تبریز، تبریز، ایران
3 شرکت سهامی آب منطقهای گیلان، ایران
4 سازمان بهرهبرداری و نگهداری از سد و نیروگاه سفیدرود، ایران
5 شرکت سهامی آب منطقهای گیلان، ایران
doi
10.22060/ceej.2024.21634.7784چکیده
تخمین مقادیر دبی ورودی به سیستم منابع آبی یکی از اقدامات اساسی برای آگاهی از برنامهریزی و تخصیص بهینه منابع آب به بخشهای مختلف مصرف، در آینده است. در این مطالعه، از ترکیب الگوریتمهای فراابتکاری شامل الگوریتمهای فراابتکاری چرخهی آب (WCA)، گرگ خاکستری (GOW)، وال (WOA)، الگوریتم شبکه عصبی (NNA) و ملخ (GOA) برای آموزش سیستم عصبی- فازی و بهروزرسانی پارامترهای آن استفاده گردید و در نهایت بهترین مدلها برای پیشبینی دبی ورودی روزانه سد مخزنی سفیدرود، توسعه داده شد. در مرحله آزمون، مدل ANFIS-WCA کمترین مقادیرSI ، MAE وNRMSE به ترتیب برابر 0/0736، 0/5048 و 0/0736و بیشترین مقدار برابر 0/9840را ارائه میکند که نشاندهنده برتری آن نسبت به سایر مدلها است. بر اساس شاخص عملکرد جهانی (GPI)، مدلANFIS-WCA به عنوان بهترین مدل و پس از آن مدلهایANFIS-NNA ، ANFIS-GOA و ANFIS-WOA رتبهبندی شدند درحالیکه بدترین دقت از طریق مدل ANFIS-GOA به دست آمد. نتایج نشان داد که مدل ANFIS-WCA با توجه به شاخص SI، 1/3 ٪ در مقایسه با ANFIS-NNA و 1/6 ٪ در مقایسه با ANFIS-GOA کاهش را نشان می دهد. علاوه بر این، بر اساسGPI ، مدل ANFIS-WCA تا 11 درصد در مقایسه با مدل ANFIS-ANN و 20 درصد در مقایسه با مدل ANFIS-GOA بهبود را نشان میدهد. دقت بالای مدل ANFIS-WCA در مقایسه با سایر مدلهای هیبریدی نشاندهنده عملکرد الگوریتم چرخه آب برای فرار از بهینه محلی در ترکیب با مدل ANFIS و پیچیدگی دبی ورودی است،که قادر کرده این الگوریتم به ابزاری قدرتمند برای تخمین دبی ورودی سد سفیدرود تبدیل شود.