استفاده از شبکه عصبی NARX به عنوان مدل جایگزین برای شبیه‌سازی بلند مدت شوری خروجی از مخازن دارای لایه‌بندی کیفی

برنامه CE-QUAL-W2 یک مدل فیزیکی با اطمینان‌پذیری بالا جهت شبیه‌سازی هیدرودینامیکی-کیفی مخازن بوده که هزینه محاسباتی زیادی دارد. بنابراین یافتن مدل‌های جایگزین که نتایج این مدل را با دقت مطلوب و در زمان اندکی برآورد کنند از اهمیت کاربردی بالایی برخوردار است. در این تحقیق قابلیت مدل شبکه عصبی NARX به عنوان مدل جایگزین CE-QUAL-W2 جهت پیش‌بینی نتایج بلند مدت شوری خروجی از مخزن بررسی شده است. برای این منظور مدل CE-QUAL-W2 مخزن سد گتوند علیا تهیه و پس از واسنجی، برای شبیه‌سازی شوری خروجی از مخزن در یک دوره زمانی 10 ساله استفاده گردید. با توجه به امکان تخلیه از دریچه‌های مختلف مخزن، با تغییر ماهیانه نسبت تخلیه دریچه‌ها مسائل متعددی تعریف و کتابخانه‌ای از نتایج مدل فیزیکی تشکیل شد. سپس با معرفی سناریوهای مختلف معماری شبکه عصبی NARX، آموزش آن‌ها با استفاده از کتابخانه نتایج انجام شد. نتایج حاصل از سناریوهای مختلف بیانگر توانایی بالای شبکه عصبی NARX در برآورد روند شوری خروجی از مخزن بوده و ضریب تعیین همواره بیش از 91/0 است. در سناریوی منتخب ضریب تعیین 95/0، میانگین درصد خطای مطلق و ضریب نش-ساتکلیف به ترتیب 7/8 درصد و 79/0 بوده و انطباق خوبی بین نتایج دو مدل مشاهده می‌شود. مدت زمان شبیه‌سازی بلند مدت مخزن گتوند با استفاده از مدل شبکه عصبی کم‌تر از 0.06 درصد زمان لازم برای اجرای مدل فیزیکی است. نتایج این تحقیق نشان می‌دهد که مدل NARX را می‌توان جهت پیش‌بینی بلند مدت شوری خروجی از مخازن به عنوان مدل جایگزین برای CE-QUAL-W2 بکار برده و هم‌زمان هزینه‌ی محاسبات را به طور چشمگیری کاهش داد.