بررسی قابلیت و کارآیی روش های هوش مصنوعی جهت شبیه سازی منحنی دبی- اشل در یک رودخانه طبیعی

اندازه گیری دبی در رودخانه ها یک مسئله چالش برانگیز برای مهندسین هیدرولیک است. رابطه ی دبی- سطح آب یک روش تقریبی است که برای تخمین دبی در رودخانه ها و کانال های باز به کار گرفته می شود. برای کاربردهای مختلف هیدرولوژیکی, مهندسی رودخانه و کنترل پروژه های منابع آبی, اطلاعات دقیق درباره میزان جریان در رودخانه ها بسیار مهم است. اندازه گیری سطح آب در مقایسه با اندازه گیری دبی آسان تر است. رابطه ی دبی- اشل در یک مقطع عرضی خاص از رودخانه حتی هنگامی که به دقت اندازه گیری می شود, تحت اثر چندین عامل است که نه به درستی فهمیده می شود و نه به سادگی اندازه گرفته می شود و این بدین علت است که دبی به تنهایی تابعی از سطح آب نیست, دبی به شیب طولی رودخانه, هندسه ی کانال, زبری بستر و... بستگی دارد. به هرحال اندازه گیری این پارامترها در هر گام زمانی و هر مقطع امکان پذیر نیست و نیاز است تا رابطه ی دقیقی را بین دبی- سطح آب داشته باشیم. روش های پارامتری رگرسیونی متداول معمولا در مدل کردن این رابطه ناموفق هستند در این مطالعه از یک سو از الگوریتم های تکاملی نظیر برنامه نویسی gep و بهینه کردن ضرائب منحنی سنجه توسط ga و از سوی دیگر روش های محاسباتی نرم مانند ffbp, rbf,grnn, anfis مورد بررسی قرار گرفت. نتایج نشان دادند که روش های محاسباتی نرم ffbp, rbf از تمامی روش ها در پیش بینی دبی جریان کارآمدتر بوده و در مرحله ی بعد الگوریتم تکاملی gep و در رتبه سوم مدل anfis به ترتیب عملکرد بهتری داشتند. هم چنین نتایج نشان دادند که بهینه سازی ضرائب منحنی سنجه توسط ga در ایستگاه مذکور باعث بهبود پارامترهای ارزیابی و کاهش نسبی خطای پیش بینی می شود. هم چنین قابل ذکر است که بهترین مدل حاصل شده در ایستگاه مذکور از مدل با ورودی ht است که نشان می دهد بیشترین هم بستگی دبی با اشل همان روز است.