| مروری بر مطالعات پیشین در پیشبینی دبی رودخانه با استفاده از مدلهای هوشمند |
| کد مقاله : 1339-NAEC |
| نویسندگان |
|
صادق علی یاری1، مهسا حسنپور کاشانی *2، محمدرضا نیک پور3 1اردبیل- دانشگاه محقق اردبییلی 2دانشگاه محقق اردبیلی- دانشکده کشاورزی و منابع طبیعی- گروه آب 3اردبیل- دانشگاه محقق اردبیلی |
| چکیده مقاله |
| در این مطالعه مروری به بررسی عملکرد مدلهای هوشمند در پیشبینی دبی رودخانهها با تکیه بر یافته پژوهشهای انجامشده در داخل و خارج از کشور پرداخته شد. هدف این تحقیق، ارزیابی توانایی مدلهای هوش مصنوعی و یادگیری ماشین در بهبود دقت و قابلیت اعتماد پیشبینی جریانهای سطحی و تعیین بهترین رویکرد محاسباتی در این زمینه بود. بر اساس مرور نظاممند منابع، نتایج نشان داد که مدلهای منفرد از جمله شبکه عصبی مصنوعی (ANN)و رگرسیون بردار پشتیبان (SVR) در تشخیص روابط غیرخطی میان متغیرهای هیدرولوژیکی و افزایش دقت پیشبینی، نقش مهمی دارند. در مقابل، مدلهای ترکیبی مبتنی بر الگوریتمهای بهینهسازی فراابتکاری مانند الگوریتم ازدحام ذرات (PSO) و الگوریتم ژنتیک (GA)، توانایی بالاتری در تنظیم پارامترها و کاهش خطای مدلسازی از خود نشان میدهند. نتایج همچنین بیانگر آن است که مدلهای ترکیبی و یادگیری عمیق با تلفیق ساختارهای پیشرفته محاسباتی، موجب ارتقای قابل توجه کارایی مدلسازی جریان رودخانهها میشوند. در مجموع، بهکارگیری این رویکردهای هوشمند میتواند ابزار مؤثری جهت حمایت از تصمیمگیریهای مدیریتی، برنامهریزی منابع آب و کاهش آثار ناشی از تغییرات اقلیمی فراهم سازد. |
| کلیدواژه ها |
| الگوریتمهای هوشمند، دادهمحور، شبیهسازی هیدرولوژیکی، یادگیری ماشین |
| وضعیت: پذیرفته شده |
