تخمین بار معلق رسوبی با استفاده از روش‌های هوشمند تلفیقی با در نظر گرفتن عدم قطعیت مدل

آب و خاک

مقاله 2، دوره 35، شماره 4 - شماره پیاپی 78، مهر و آبان 1400، صفحه 475-488   

نوع مقاله: مقالات پژوهشی

شناسه دیجیتال (DOI): 10.22067/jsw.2021.68665.1021

نویسنده

سیدمهدی ثاقبیان^*

گروه عمران، دانشکده فنی و مهندسی، واحد اهر، دانشگاه آزاد اسلامی، اهر - ایران

چکیده

پیش­بینی دبی رسوبی با دقت بالاتر، از مهم­ترین مولفه­های فرآیندهای هیدرولوژیکی در مدیریت منابع آب می­باشد. به دلیل پیچیدگی پدیده انتقال رسوب و وجود چندین پارامتر موثر در تخمین آن، تعیین روابط حاکم مشکل می­باشد. این تحقیق به منظور ارائه مدل بهینه برآورد بار رسوب معلق در دو ایستگاه هیدرومتری متوالی یک رودخانه طبیعی انجام گرفته است. در این راستا، جهت کاهش مقدار خطا در پیش­بینی دبی رسوبی از روش­های پیش­پردازش سری زمانی به همراه روش­های هوشمند مبتنی بر کرنل ماشین بردار پشتیبان  (SVM)و رگرسیون فرآیند گاوسی (GPR) استفاده شده است. دو سناریو بررسی دبی رسوب معلق برای حالت تک ایستگاهی و ارتباط بین ایستگاهی در نظر رفته شد و مدل­های متفاوتی بر اساس مشخصات هیدرولیکی و ذرات رسوبی تعریف گردید و مورد ارزیابی قرار گرفت. در استفاده از روش­های پیش‌پردازش، ابتدا روش تبدیل موجک (WT) به­کار رفت، سپس زیر سری‌های با فرکانس بالای بدست آمده از روش WT با روش ﺗﺠﺰﯾﻪ ﻣﺪ ﺗﺠﺮﺑﯽ (EMD) دوباره تجزیه گردیدند. در نهایت زیر سری­های تاثیرگذار به‌عنوان ورودی مدل­های مبتنی بر کرنل استفاده شدند. نتایج حاصل از تحلیل مدل­های تعریف‌شده، دقت بالای روش­های تلفیقی به­کار رفته در تحقیق را در تخمین رسوب معلق به خوبی نشان داد. نتایج نشان داد که در حالت اول، مقدار معیار خطا برای مدل برتر به ترتیب از 0.035 و 0.037 برای روش­های GPR و SVM به 0.28 و 0.29 برای مدل­های تلفیقی کاهش یافت. به طور کلی، مدل­های ترکیبی دقت مدل­سازی را بین 20 تا 25 درصد افزایش دادند. جهت ارزیابی قابلیت اطمینان مدل برتر، از تحلیل عدم قطعیت مونت کارلو استفاده شد و نتایج نشان داد که مدل GPR دارای درجه عدم اطمینان مطلوبی در مدل­سازی است.

کلیدواژه‌ها

پیش پردازش؛ تجزیه مد تجربی؛ رگرسیون فرآیند گاوسی؛ رسوب معلق

مراجع