ترکیب روش هوش مصنوعی و مدل هیدرودینامیکی برای مدلسازی و پیش بینی جریان رودخانه (مطالعه ی موردی: رودخانه ی فیروزه- شاهجوب بجنورد)

در این تحقیق کاربرد روش سیستم عصبی مصنوعی در کاهش خطای مدل هیدرودینامیکی برای پیش بینی جریان رودخانه مورد بررسی قرار گرفته است. منطقه ی مورد مطالعه حوزه ی آبخیز رودخانه ی فیروزه- شاهجوب واقع در استان خراسان شمالی، شهرستان بجنورد می باشد که دارای وسعتی به اندازه ی 1233 کیلومتر مربع است. داده های دبی روزانه در دو ایستگاه، فیروزه در بالادست و باباامان در پایین دست از سال های 53-1352 تا 65-1364 موجود بودند. یک مدل هیدرودینامیکی یک بعدی به کمک نرم افزار hec-ras4.1 برای پیش-بینی جریان در پایین دست رودخانه ساخته شد. از آنجا که اطلاعات زیرحوزه های بین دو ایستگاه موجود نبود، ضعف بزرگی در نتایج مدل هیدرودینامیکی پدیدار گردید که جهت رفع آن اقدام به ساخت سری های زمانی برای سه زیرحوزه که دارای مساحتی بیش از مساحت کل حوزه بودند، صورت پذیرفت. این امر سبب شد تا روند تحقیق در 5 سناریوی مختلف دنبال گردد (سناریوی 1 فاقد سری های زمانی و سایر سناریوها دارای سری زمانی می باشند). پس از کالیبراسیون و به کار بردن نرم افزار hec-ras یک مدل سیستم عصبی مصنوعی به عنوان پیش بینی کننده ی خطای مدل هیدرودینامیکی مورد استفاده قرار گرفت. با پیش بینی این خطا نتایج مدل هیدرودینامیکی در سناریوهای 4 و 5 به میزان قابل توجهی به مقادیر واقعی نزدیک تر شد. لازم به ذکر است که قبل از کاربرد ترکیبی این دو روش (مدل هیدرودینامیکی و سیستم عصبی مصنوعی) هر یک از این روش ها به تنهایی مورد استفاده قرار گرفته و نتایج حاصل با مقادیر واقعی مقایسه گردیده بود. نتایج حاصل از کاربرد ترکیبی این مدل در سناریوهای 4 و 5 از کیفیت به مراتب بالاتری نسبت به کاربرد هر یک از آنها به تنهایی برخوردار است. علاوه بر این در تمامی سناریوها برتری نتایج مدل شبکه ی عصبی مصنوعی به تنهایی، در قیاس با نتایج مدل هیدرودینامیکی به تنهایی، حاکی از توانمندی این روش در امر پیش بینی جریان را داراست. در بخش دیگری از تحقیق از داده های گذشته ی ایستگاه پایین دست استفاده گردید که بهبودی نتایج در سناریوی 1، جایی که از تاثیر سری های زمانی استفاده نمی گردد را به میزان چشمگیری در بر داشت (لازم به ذکر است که شبکه ی عصبی مصنوعی با بخشی از داده ها مورد تست قرار می گیرد. برای اینکه داده های تست کل داده ها را در بگیرد، داده ها به چهار چارک تقسیم بندی گردیدند که نتایج فوق در تمامی چارک ها حاصل گشته است). علاوه بر این وجود سری های زمانی باعث بهبود در نتایج مدل هیدرودینامیکی گردید. به طوری که میزان ضریب نش از عدد 632/2- در سناریوی 1 به عدد 82/0 در سناریوی 5 ارتقا یافته است.