پیش‌‌بینی وقوع سیل با استفاده از شبکه عصبی بهینه‌شده با الگوریتم گرگ خاکستری (مطالعه موردی رودخانه مارون)

سیلاب‌ها بعنوان یکی از پربسامدترین مخاطرات طبیعی، همه ساله خسارات جبران ناپذیری بر تاسیسات زیربنایی و کشاورزی و خانه‌های مسکونی وارد می‌سازند. به منظور جلوگیری از خسارات مالی و جانی ناشی از آن، اهمیت پیش‌بینی سیل امری اجتناب‌پذیر به نظر می‌رسد. با توجه به اینکه سیل ناشی از عوامل طبیعی و غیرطبیعی متعددی می‌باشد و همچنین محدودیت‌هایی از قبیل نبود اطلاعات کامل دارد؛ در نتیجه استفاده از روش‌های معمول از پیچیدگی‌های زیادی برخوردار است. در این پژوهش شبکه‌های عصبی مصنوعی به‌عنوان یک روش کارآمد جهت پیش‌بینی سیل مورد استفاده قرارگرفته است. ورودی شبکه عصبی شامل دبی و اشل رودخانه می‌باشد که این داده‌ها در طی 2500 روز از رودخانه مارون، جمع‌آوری شده‌اند. شبکه مورد استفاده از نوع پرسپترون چند‌لایه‌ بوده، همچنین وزن‌های شبکه عصبی با الگوریتم گرگ خاکستری بهینه‌سازی شده و نتایج آن با سایر روش‌های متداول مقایسه شده است. تحلیل نتایج خروجی نشان می‌دهد که شبکه عصبی با الگوریتم گرگ خاکستری نتایج بهتری نسبت به دیگر روش‌ها دارد و میزان صحت این روش برابر 0.53 درصد می‌باشد که بیان‌کننده صحت و دقت بالا برای پیش‌بینی سیل نسبت به دیگر الگوریتم‌های تکاملی می‌باشد.