نوع مقاله : مقاله پژوهشی
نویسندگان
1
گروه احیا مناطق خشک و کوهستانی، دانشکده منابع طبیعی، دانشگاه تهران، کرج، ایران
2
استادیار، گروه مهندسی احیا مناطق خشک و کوهستانی، دانشکده منابع طبیعی، دانشگاه تهران، کرج، ایران.
3
استاد، گروه احیا مناطق خشک . کوهستانی، دانشکده منابع طبیعی، دانشگاه تهران، کرج، ایران
4
دانشیار، گروه جغرافیا، دانشکده جغرافیا، دانشگاه تهران، تهران، ایران
چکیده
پژوهش حاضر، باهدف توسعه یک جعبهابزار جامع مدلسازی سیلاب مبتنی بر فرامدلهای هیبریدی دوگانه هوش مصنوعی، شش مدل شامل دو مدل انفرادی (FCMR و GRNN) و چهار مدل هیبریدی دوگانه (FCMR-NARX، FCMR-ACOR، GRNN-NARX و GRNN-ACOR) در پنج ایستگاه هیدرومتری حوزه آبخیز کرج (گچسر، سیرا کلوان، سیرا کرج، نشتارود و مورود) طی دورهای ۳۰ساله، از ابتدای سال آبی ۱۳۶۹ تا پایان سال آبی ۱۳۹۷ مورد ارزیابی قرار گرفتند. نتایج مبتنی بر معیارهای آماری (R، NSE، RMSE، MAE) نشان داد که مدلهای هیبریدی مبتنی بر FCMR (بهویژه FCMR-NARX و FCMR-ACOR) از بالاترین دقت برخوردارند. بااینحال، آزمونهای آماری تفاوت معناداری بین دقت این مدلها و مدل انفرادی GRNN نشان نداد. ازسویدیگر، هیبریدسازی مدل GRNN با کاتالیزورهای NARX و ACOR به دلیل ناسازگاری ساختاری، موجب کاهش دقت آن شد. باتوجهبه پیچیدگی محاسباتی، زمان آموزش طولانی و هزینههای اجرایی بالاتر مدلهای هیبریدی، مدل انفرادی GRNN بهعنوان گزینهای بهینه با توجیه اقتصادی و عملیاتی برای کاربرد در سامانههای هشدار سیل و مدیریت منابع آب در حوزههای مشابه پیشنهاد میشود. این مطالعه بر ضرورت هماهنگی بین ساختار مدل پایه و روش هیبریدسازی برای دستیابی به بهبود مؤثر عملکرد تأکید میکند.
کلیدواژهها
عنوان مقاله English
Development of a Flood Modeling Toolbox Based on Dual Hybrid Artificial Intelligence Metamodels: A Case Study of the Karaj Watershed
نویسندگان English
Sobhan Hoseinnejad Salimi
1
Mohammad Ansari Ghojghar
2
Arash Malekian
3
Mehrnoosh Ghadimi
4
1
Department of reclamation of arid and mountainous regions, Faculty of Natural Resources, University of Tehran, Karaj, Iran
2
Assistant professor, Department of reclamation of arid and mountainous regions Engineering, Faculty of Natural Resources, University of Tehran, Karaj, Iran.
3
Proffesor, Department of reclamation of arid and mountainous regions, Faculty of Natural Resources, University of Tehran, Karaj, Iran
4
Associate Professor, Department of Geograghy, Faculty of Geography, University of Tehran, Tehran, Iran
چکیده English
The present research، aimed at developing a comprehensive flood modeling toolkit based on hybrid dual-AI frameworks، evaluated six models، including two individual models (FCMR and GRNN) and four hybrid dual models (FCMR-NARX، FCMR-ACOR، GRNN-NARX، and GRNN-ACOR) at five hydrometric stations in the Kraj watershed (Gachsar، Sira-kalvan، Sira-karaj، Neshatarud، and Morud) over a 30-year period from the beginning of the water year 1990 to the end of the water year 2018. The results، based on statistical criteria (R، NSE، RMSE، MAE)، indicated that hybrid models based on FCMR (particularly FCMR-NARX and FCMR-ACOR) have the highest accuracy. However، statistical tests did not show a significant difference in accuracy between these models and the individual GRNN model. On the other hand، hybridizing the GRNN model with NARX and ACOR catalysts due to structural incompatibilities reduced its accuracy. Considering the computational complexity، long training time، and higher implementation costs of hybrid models، the individual GRNN model is proposed as an optimized option with economic and operational justification for use in flood warning systems and water resource management in similar watersheds. This study emphasizes the necessity of coordination between the base model structure and the hybridization method to achieve effective performance improvement.
کلیدواژهها English
FCMR (Fuzzy Cognitive Map–based Regression)
Flood prediction
GRNN (Generalized Regression Neural Network)
Individual Model, Neural Network
