مقایسه ی روش های هوش مصنوعی و ماسکینگام در تخمین روندیابی سیلاب

روندیابی سیلاب به دلیل فراهم نمودن امکان پیش بینی چگونگی طغیان و فروکش کردن آن در رودخانه، یکی از مهمترین مسائل در مهندسی رودخانه است. از آن جای که سیلاب جریانی متغیر غیردایمی است، لذا روندیابی آن نیاز به داده های گسترده از رود ها و آمار دقیقی از ایستگاه های آبسنجی دارد. روش ماسکینگام، به دلیل سادگی آن، دارای کاربرد بیش تری در میان روش های روندیابی سیلاب می باشد. از طرفی، استفاده از روش های هوش مصنوعی در زمینه های مختلف مهندسی آب و شبیه سازی در حوضه های آبخیز طی دهه اخیر رشد چشمگیری داشته است. در این پژوهش، برای روندیابی سیلاب با استفاده از روش های ماسکینگام، شبکه ی عصبی مصنوعی، سامانه استنتاج تطبیقی عصبی- فازی، و برنامه ریزی ژنتیک از داده های ویلسون، ویو و همکاران، و ویس من و لویس در سه رود مختلف استفاده گردید. نتایج شبیه سازی روندیابی سیلاب با کاربرد روش های ذکر شده با استفاده از شاخص های آماری R2، RMSE و MBE ارزیابی گردیدند. نتایج این تحقیق نشان دادند که روش های هوش مصنوعی، به دلیل برخورداری از RMSE کمتر نسبت به روش ماسکینگام، برتری دارند، که این مقدار برای روش های هوش مصنوعی 00174/0، و برای روش ماسکینگام 727/28 به دست آمد، بنابراین، روش ماسکینگام در شبیه سازی آب نگار سیلاب با بده ی اوج پرشمار موفق نبوده است. با وجود اندک تفاوت در دقت تخمین و مقادیر خطا در شبیه ها، شبکه های عصبی مصنوعی با مقادیر R2، RMSE و MBE مناسبتر در رده ی اول، و سامانه ی استنتاج تطبیقی عصبی- فازی و برنامه ریزی ژنتیک به ترتیب در رده های دوم و سوم قرار می گیرند. با توجه به سهولت کاربرد و نتایج خوب روش های هوش مصنوعی، پیشنهاد می شود تحقیقات بیش تری در این زمینه صورت پذیرد.