پیش بینی دبی ورودی روزانه سد سفیدرود با الگوریتم های فرا ابتکاری ترکیبی با سیستم استنتاجی عصبی فازی

تخمین مقادیر دبی ورودی به سیستم منابع آبی یکی از اقدامات اساسی برای آگاهی از برنامه ریزی و تخصیص بهینه منابع آب به بخش های مختلف مصرف، در آینده است. در این مطالعه، از ترکیب الگوریتم های فرا ابتکاری شامل الگوریتم های فرا ابتکاری چرخه ی آب (WCA)، گرگ خاکستری (GOW)، وال (WOA)، الگوریتم شبکه عصبی (NNA) و ملخ (GOA) برای آموزش سیستم عصبی- فازی و به روزرسانی پارامترهای آن استفاده گردید و در نهایت بهترین مدل ها برای پیش بینی دبی ورودی روزانه سد مخزنی سفیدرود، توسعه داده شد که این روش مشکلات آموزش الگوریتم های بر پایه گرادیان را ندارد. چهار ویژگی شامل مساحت دریاچه سد، حجم مخزن و تراز مخزن سد در 7 روز قبل و دبی ورودی در یک روز قبل با توجه به توابع خود همبستگی و همبستگی متقابل برای ورودی مدل های هوشمند انتخاب گردید. برای ارزیابی عملکرد مدل های کاربردی از شاخص های آماری مختلفی استفاده شد. در مرحله آزمون، مدل ANFIS-WCA کمترین مقادیرSI ، MAE وNRMSE به ترتیب برابر 0736/0، 5048/0 و 0736/0 و بیش ترین مقدار R^2 برابر 9840/0را ارائه می کند، که نشان دهنده برتری آن نسب به سایر مدل ها است. بر اساس شاخص GPI، مدلANFIS-WCA به عنوان بهترین مدل و پس از آن مدل هایANFIS-NNA ، ANFIS-GOA و ANFIS-WOA رتبه بندی شدند، درحالی که بدترین دقت از طریق مدل ANFIS-GOA به دست آمد. دقت بالای مدل ANFIS-WCA در مقایسه با سایر مدل های هیبریدی نشان دهنده عملکرد الگوریتم چرخه آب برای فرار از بهینه محلی در ترکیب با مدل ANFIS است،که قادر کرده این الگوریتم به ابزاری قدرتمند برای تخمین دبی ورودی سد سفیدرود تبدیل شود.