TY - JOUR ID - 64776 TI - پیش‌بینی تراز سطح آب مخزن سد با استفاده از روش ماشین هوشمند نظارت شده، مطالعه موردی: سد امیرکبیر کرج JO - تحقیقات منابع آب ایران JA - IWRR LA - fa SN - 1735-2347 AU - محمد رضاپور طبری, محمود AU - ملک پور شهرکی, محمد مهدی AD - دانشیار /گروه مهندسی عمران، دانشکده فنی، دانشگاه شهرکرد AD - دانش‌آموخته کارشناسی ارشد / مهندسی منابع آب و سازه های هیدرولیکی، دانشکده فنی، دانشگاه شهرکرد. Y1 - 2019 PY - 2019 VL - 14 IS - 5 SP - 15 EP - 30 KW - پیش‌بینی KW - تراز سطح آب مخزن KW - سد امیرکبیر کرج KW - ماشین هوشمند نظارت شده KW - مدل‌های نرم DO - N2 - پیش‌بینی صحیح تغییرات تراز سطح آب مخازن به عنوان یکی از مسائل مهم جهت مدیریت، طراحی، بهره‌برداری از سدها و تأمین نیازهای آبی مطرح می‌باشد. در این مطالعه بر پایه پنج مدل نرم رگرسیون بردار پشتیبان (SVR)، سیستم استنتاج عصبی-فازی تطبیقی (ANFIS)، شبکه عصبی (ANN)، شبکه عصبی شعاعی (RBFNN) و شبکه عصبی مبتنی بر رگرسیون عمومی (GRNN) و استفاده تلفیقی از نتایج آن‌ها به عنوان ورودی به یکی از این پنج مدل، ساختاری تحت عنوان ماشین هوشمند نظارت شده (SICM) جهت برآورد تراز سطح آب ماهانه مخزن سد امیرکبیر کرج پیشنهاد گردید. داده‌های مورد استفاده شامل تراز سطح آب، بارندگی، تبخیر، حجم ورودی و خروجی از مخزن سد بوده و ارزیابی مدل‌های مذکور توسط نه شاخص خطا صورت گرفت و با استفاده از روش تصمیم‌گیرنده ویکور، بهترین مدل از میان مدل‌های مذکور انتخاب گردید. پس از انجام بررسی‌های لازم در میان مدل‌های نرم مورد استفاده، مدل ANN با ضریب راندمان نش و میانگین مجذور خطای به ترتیب 89/0 و 37/23 متر مربع به عنوان بهترین مدل شناخته شد. نتایج بدست آمده از رویکرد پیشنهادی نشان می‌دهد که مدل نظارت شده (هیبریدی) شبکه عصبی (SICM-ANN) با افزایش ضریب راندمان نش به 94/0 و کاهش میانگین مجذور خطا به 85/12 متر مربع (بیش از 45 درصد کاهش) توانسته عملکرد بالایی را در پیش‌بینی صحیح میزان تراز سطح آب ماهانه مخزن سد کرج ارائه نماید. بر این اساس استفاده هیبریدی از مدل‌های نرم می‌تواند در کاهش چشمگیر خطای پیش‌بینی تراز سطح آب نسبت به مدل‌های منفرد به طور مؤثری بکار گرفته شود. UR - https://www.iwrr.ir/article_64776.html L1 - https://www.iwrr.ir/article_64776_140eb21518f5989560c09f8409ec50b8.pdf ER -