بهینه‌سازی شبکه انفیس برای شبیه‌سازی دراز مدت بارندگی شهر بابلسر

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری منابع آب، گروه مهندسی آب، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران

2 گروه مهندسی آب، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران

چکیده

در این مطالعه، مقادیر بارندگی دراز مدت شهر بابلسر در یک بازه زمانی 68 ساله از سال 1951 تا 2019 با استفاده از یک مدل هوش مصنوعی ترکیبی بهینه‌یافته شبیه‌سازی شد. برای توسعه مدل ترکیبی، شبکه انفیس با تبدیل موجک ترکیب شدند. در ابتدا، با استفاده از تابع خودهمبستگی، تاخیرهای موثر داده‌های سری زمانی شناسایی شدند. سپس با استفاده از این تاخیرها، شش مدل انفیس تعریف گردید. لازم به ذکر است که 49 سال داده‌ها برای آموزش مدل‌های هوش مصنوعی و 19 سال باقیمانده برای آزمون این مدل‌ها استفاده گردید. همچنین، با استفاده از یک روند سعی و خطا، بهینه‌ترین تعداد تابع عضویت شبکه انفیس مساوی با سه انتخاب شد. در ادامه، موجک‌های مادر مختلف مورد ارزیابی قرار گرفتند که موجک مادر dmey به‌عنوان بهترین موجک مادر معرفی گردید. با اجرای یک تحلیل حساسیت، بهترین مدل انفیس معرفی شد. مقادیر ضریب همبستگی (R)، شاخص عملکرد (VAF) و شاخص پراکندگی (SI) برای وضعیت آزمون مدل برتر انفیس به‌ترتیب برابر با 612/0، 029/37 و 761/0 محاسبه شدند. علاوه بر این، تجزیه و تحلیل نتایج مدل‌سازی‌ها نشان داد که تاخیرهای شماره (t-1)، (t-2)، (t-12) و (t-36) تاثیرگذارترین تاخیرهای داده‌های سری زمانی بودند. در انتها، مدل ترکیبی برتر برای سه سطح تجزیه مختلف مورد ارزیابی قرار گرفت که بهترین نتایج برای سطح تجزیه دوم بدست آمد. در حالت آزمون مقادیر R و VAF و SI برای مدل برتر ترکیبی به‌ترتیب مساوی با 972/، 455/94 و 226/0 بودند. بنابراین، نتایج شبیه‌سازی‌ها نشان داد که تبدیل موجک دقت مدل‌سازی را به شکل قابل توجهی افزایش داد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Optimization of ANFIS network to simulate long term rainfall in Babolsar city

نویسندگان [English]

  • ali jamalvandi 1
  • behrouz yaghoubi 2
  • mohammad ali izadbakhsh 2
  • saeid shabanlou 2
1 Ph.D. Candidate, Department of Water Engineering, Kermanshah Branch, Islamic Azad University, Kermanshah, Iran
2 Department of Water Engineering, Kermanshah Branch, Islamic Azad University, Kermanshah, Iran
چکیده [English]

In this study, the long-term rainfall in Babolsar city was simulated using an optimized hybrid artificial intelligence (AI) model over a 68 years period from 1951 to 2019. To develop the hybrid model, the ANFIS network and the wavelet transform were combined. Firstly, by using the autocorrelation function (ACF), the effective lags of time series data were identified. Subsequently, through these lags, six ANFIS models were defined. It is worth noticing that 49 years of the observational data are employed for training the AI models and the rest (19 years) for testing them. Moreover, by means of a trial-and-error method, the optimized numbers of membership function of the ANFIS network were chosen to be three. Then, different mother wavelets were evaluated, signifying that the dmey was introduced as the most accurate mother wavelet. By conducting a sensitivity analysis, the best ANFIS model was detected. The value of correlation coefficient (R), variance accounted for (VAF), and scatter index (SI) for testing the best ANFIS model were respectively computed to be 0.612, 37.029, and 0.761. Additionally, analysis of the models showed that the (t-1), (t-2), (t-12), and (t-36) were identified as the most significant lags. Lastly, the superior hybrid model was examined in three decomposition level (DL), revealing that the best results were obtained from the second decomposition level (DL2). In testing mode of the model, the R, VAF, and SI were calculated to be 0.972, 94.455, and 0.266, respectively. Therefore, the simulation results showed that the wavelet transform enhanced the performance of the ANFIS network significantly.

کلیدواژه‌ها [English]

  • Long-term rainfall
  • Babolsar
  • ANFIS
  • Wavelet transform
  • Optimization