استفاده از روش جی‌ترینگ داده‌ها در مدل‌سازی تراوش سد خاکی با استفاده از ترکیب مدل‌های هوش مصنوعی

Abstract

اخیراً مدل‌های هوش مصنوعی مثل شبکه عصبی مصنوعی پیشرو و رگرسیون بردار پشتیبان قابلیت بالایی در مدل‌سازی سری‌های زمانی غیرخطی هیدرولیکی نشان داده‌اند. مدل‌های هوش مصنوعی روش‌هایی موثر برای بررسی و مدل‌سازی مقادیر زیادی از داده‌های دینامیک، غیرخطی و دارای خطا ارائه می‌دهند. از اینرو در این مقاله مسئله تراوش سد خاکی ستارخان با استفاده از دو مدل جعبه سیاه هوش مصنوعی شبکه عصبی مصنوعی پیشرو و رگرسیون بردار پشتیبان، بر اساس دو سناریو با ترکیب ورودی‌های مختلف مورد بررسی قرار گرفته و سپس به عنوان یک روش پیش‌پردازش برای بهبود عملکرد مدل، سری‌های نوفه با توزیع نرمال، میانگین صفر وانحراف معیارهای مختلف تولید شده و با افزودن آنها به داده‌های اصلی و تشکیل مجموعه‌های آموزشی مختلف، شبیه‌سازی تراوش با استفاده از مدل‌های هوش مصنوعی انجام شد. در ادامه به عنوان روشی دیگر برای بهبود عملکرد مدل، روش پس‌پردازش ترکیب مدل با استفاده از خروجی مدل‌های منفرد به کار گرفته شد. روش ترکیب مدل با استفاده از روش میانگین‌گیری غیرخطی با استفاده از شبکه عصبی مصنوعی انجام گرفت. نتایج حاکی از آن است که به کار‌گیری هم‌زمان هر دو روش جی‌ترینگ داده‌ها و ترکیب مدل، باعث بهبود دقت مدل تا 32% در مرحله صحت‌سنجی می‌شود.