ارزیابی مدل ‎های تلفیقی با کاربرد الگوریتم های‎ ‎فرا ابتکاری بهینه سازی PSO و GA در مدل ANFIS برای پیش بینی ضریب انتشار آلاینده در رودخانه‎ ها

سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 276

فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JWIM-10-1_004

تاریخ نمایه سازی: 3 مرداد 1400

چکیده مقاله:

در سال­ های اخیر مسائل مربوط به انتشار آلودگی در رودخانه ­ها و مجاری روباز به یکی از مسائل مهم مورد بررسی پژوهشگران تبدیل شده است. با توجه به تاثیر آلودگی روی سلامتی انسان و آبزیان موجود در رودخانه­ ها، پیش­ بینی و پیشگیری از آن در رودخانه­ ها که یکی از منابع تامین آب می­ باشد، بسیار ضروری است. برای توصیف نحوه انتشار طولی آلودگی در رودخانه­ ها از ضریب انتشار طولی در رودخانه­ ها استفاده می­ شود. برای اندازه­ گیری این ضریب روش­های مختلفی اعم از تجربی و ریاضی وجود دارد که محدودیت­ های زیادی دارند و قابل تعمیم نیستند. بنابراین در این پژوهش با بهره­ گیری از تلفیق الگوریتم­ های بهینه­ سازی GA و PSO با مدل هوشمند ANFIS روشی جدید برای پیش­ بینی این ضریب با کدنویسی در محیط نرم افزار MATLAB با ۱۱۶ داده­ نرمال ارائه شد. پارامترهای عرض سطح آزاد، عمق جریان، سرعت برشی و سرعت جریان در رودخانه برای ورودی مدل و ضریب انتشار طولی برای پارامتر هدف انتخاب شد. در نهایت با توجه به پیش­ بینی­ های انجام شده روش ANFIS-PSO با دقت MSE=۰.۰۰۳۷  و RMSE=۰.۰۶۱ و با  R=۰.۹۶۲۲ و روش ANFIS-GA با دقت MSE=۰.۰۱۲ و با RMSE=۰.۱۱ با R=۰.۷۳۹  دارای دقت بیش تری نسبت به مدل ANFIS با دقت MSE=۰.۰۴۰ و RMSE=۰.۲۰۰ با R=۰.۶۹۸ می­ باشند. از طرف دیگر با مقایسه دو روش ANFIS- PSO و ANFIS-GA مشاهده می­ شود که الگوریتم بهینه­ سازی PSO نسبت به روش GA دارای عملکرد بهتری در بهبود ساختار ANFIS بوده است. در نهایت روش ANFIS-PSO را می­­ توان روشی مناسب­ تر برای پیش­ بینی ضریب انتشار طولی پیشنهاد می ­شود.

نویسندگان

یاسر مهری

دانشجوی دکترای سازه های آبی، دانشکده مهندسی و فناوری کشاورزی، دانشگاه تهران، کرج، ایران

میلاد مهری

دانشجوی کارشناسی ارشد سازه های آبی، گروه مهندسی آبیاری و زهکشی، پردیس ابوریحان دانشگاه تهران، تهران، ایران.

جابر سلطانی

استادیار، گروه مهندسی آبیاری و زهکشی، پردیس ابوریحان دانشگاه تهران، تهران، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • جمشیدی، ش.، و نیک سخن، م. (۱۳۹۴). تخصیص بهینه بار ...
  • قلعه نی، م.، و ابراهیمی، ک. (۱۳۹۱). ارزیابی الگوریتم های ...
  • نبی زاده، م.، مساعدی، ا.، و دهقانی، ا. (۱۳۹۱). تخمین ...
  • Annaty, M., Eghbalzadeh, A. & Hosseini, S. (۲۰۱۵). Hybrid ANFIS ...
  • Azamathulla, H. M. & Ghani, A. A. (۲۰۱۱). Genetic programming ...
  • Azamathulla, H. M. & Wu, F. C. (۲۰۱۱). Support vector ...
  • De Serio, F., Meftah, M. B., Mossa, M. & Termini, ...
  • Eberhart, R. & Kennedy, J. (۱۹۹۵). A new optimizer using ...
  • Elder, J. (۱۹۵۹). The dispersion of marked fluid in turbulent ...
  • Etemad-Shahidi, A. & Taghipour, M. (۲۰۱۲). Predicting longitudinal dispersion coefficient ...
  • Fischer, H. B., List, J. E., Koh, C. R., Imberger, ...
  • Fisher, M. E. (۱۹۶۷). The theory of equilibrium critical phenomena. Reports ...
  • Haghiabi, A. H. (۲۰۱۶). Prediction of longitudinal dispersion coefficient using ...
  • Holland, J. H. (۱۹۹۲). Adaptation in natural and artificial systems: ...
  • Huai, W., Shi, H., Song, S. & Ni, S. (۲۰۱۸). ...
  • Jacquin, A. P. & Shamseldin, A. Y. (۲۰۰۶). Development of ...
  • Jang, J. S. R., Sun, C. T. & Mizutani, E. ...
  • Kashefipour, S. M. & Falconer, R. A. (۲۰۰۲). Longitudinal dispersion ...
  • Kisi, O., Haktanir, T., Ardiclioglu, M., Ozturk, O., Yalcin, E. ...
  • Kosko, B. (۱۹۹۴). Fuzzy systems as universal approximators. IEEE transactions on ...
  • Mehri, Y., Soltani, J. & Khashehchi, M. (۲۰۱۹). Predicting the ...
  • Najafzadeh, M. & Sattar, A. M. (۲۰۱۵). Neuro-fuzzy GMDH approach ...
  • Sattar, A. M. & Gharabaghi, B. (۲۰۱۵). Gene expression models ...
  • Shen, C., Niu, J., Anderson, E. J. & Phanikumar, M. ...
  • Sreedhara, B. M., Rao, M. & Mandal, S. (۲۰۱۹). Application ...
  • Zeng, Y. & Huai, W. (۲۰۱۴). Estimation of longitudinal dispersion ...
  • Zhang, W. (۲۰۱۱). A ۲‐D numerical simulation study on longitudinal ...
  • نمایش کامل مراجع