ارزیابی مدل‌‎های تلفیقی با کاربرد الگوریتم‌های‎ ‎فرا ابتکاری بهینه‌سازی ‏pso‏ و ‏ga‏ در مدل ‏anfis‏ برای پیش‌بینی ضریب انتشار ‏آلاینده در رودخانه‎ ها

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 نرم‌افزار matlab با 116 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 anfispso با دقت mse=0.0037  و rmse=0.061 و با  r=0.9622 و روش anfisga با دقت mse=0.012 و با rmse=0.11 با r=0.739  دارای دقت بیش‌تری نسبت به مدل anfis با دقت mse=0.040 و rmse=0.200 با r=0.698 می باشند. از طرف دیگر با مقایسه دو روش anfis pso و anfisga مشاهده می شود که الگوریتم بهینه سازی pso نسبت به‌روش ga دارای عملکرد بهتری در بهبود ساختار anfis بوده است. در نهایت روش anfispso را می توان روشی مناسب تر برای پیش بینی ضریب انتشار طولی پیشنهاد می ­شود.

Evaluation of combined Models with Optimization Approach of PSO and GA in ANFIS for Predicting of Dispersion Coefficient in Rivers

Recently, water pollutions in rivers and canals have become the main issue for researchers. In addition, water pollutants have different effects on human and aquatic health. So, the prediction of pollution in water in different water resources like rivers has been the main topic for researching. The longitude dispersion coefficient which is experimental and theoretical method that is the best way for describing longitude dispersion. In this study, a new method has been used for predicting the longitude dispersion by ANFIS developing with PSO and GA optimization. For this purpose, the programs run with 116 normalizing data by writing of code in MATLAB software. The river wide, water depth, velocity and Shear velocity were used for input parameter and Dispersion coefficient was used for the porpuse parameter. Results showed that the ANFISPSO model predicts dispersion coefficient with MSE=0.0037, RMSE=0.061 and R=0.9622 and ANFISGA model predicts dispersion coefficient with MSE=0.012, RMSE=0.11 and R=0.739 that have better accurate than ANFIS with MSE=0.040m, RMSE=0.200 and R=0.698. By evaluating the two models, it was found that the PSO algorithm has better performance than GA algorithm in ANFIS model. The ANFISPSO model was the most accurate among the three studied models. Finally, it was concluded that the ANFISPSO model is more appropriate model to estimate in RMSE, MSE and R for dispersion coefficient