استفاده از شبکه عصبی NARX به عنوان مدل جایگزین برای شبیه سازی بلند مدت شوری خروجی از مخازن دارای لایه بندی کیفی

برنامه CE-QUAL-W2 یک مدل فیزیکی با اطمینان پذیری بالا جهت شبیه سازی هیدرودینامیکی-کیفی مخازن بوده که هزینه محاسباتی زیادی دارد. بنابراین یافتن مدل های جایگزین که نتایج این مدل را با دقت مطلوب و در زمان اندکی برآورد کنند از اهمیت کاربردی بالایی برخوردار است. در این تحقیق قابلیت مدل شبکه عصبی NARX به عنوان مدل جایگزین CE-QUAL-W2 جهت پیش بینی نتایج بلند مدت شوری خروجی از مخزن بررسی شده است. برای این منظور مدل CE-QUAL-W2 مخزن سد گتوند علیا تهیه و پس از واسنجی، برای شبیه سازی شوری خروجی از مخزن در یک دوره زمانی 10 ساله استفاده گردید. با توجه به امکان تخلیه از دریچه های مختلف مخزن، با تغییر ماهیانه نسبت تخلیه دریچه ها مسایل متعددی تعریف و کتابخانه ای از نتایج مدل فیزیکی تشکیل شد. سپس با معرفی سناریوهای مختلف معماری شبکه عصبی NARX، آموزش آن ها با استفاده از کتابخانه نتایج انجام شد. نتایج حاصل از سناریوهای مختلف بیانگر توانایی بالای شبکه عصبی NARX در برآورد روند شوری خروجی از مخزن بوده و ضریب تعیین همواره بیش از 91/0 است. در سناریوی منتخب ضریب تعیین 95/0، میانگین درصد خطای مطلق و ضریب نش-ساتکلیف به ترتیب 7/8 درصد و 79/0 بوده و انطباق خوبی بین نتایج دو مدل مشاهده می شود. مدت زمان شبیه سازی بلند مدت مخزن گتوند با استفاده از مدل شبکه عصبی کم تر از 0.06 درصد زمان لازم برای اجرای مدل فیزیکی است. نتایج این تحقیق نشان می دهد که مدل NARX را می توان جهت پیش بینی بلند مدت شوری خروجی از مخازن به عنوان مدل جایگزین برای CE-QUAL-W2 بکار برده و هم زمان هزینه ی محاسبات را به طور چشمگیری کاهش داد.