پیش‌بینی سرعت پیک آلودگی در رودخانه با استفاده از روش gmdh و روش هوشمند تلفیقی gmdh-hs

تخمین مشخصات ماده آلوده کننده با استفاده از پارامتر‌های هندسی و هیدرولیکی جریان، یکی از عوامل موثر در پیش‌بینی انتقال آلودگی در رودخانه‌ها است. روش‌های عددی و تحلیلی مناسبی برای شبیه‌سازی انتقال و پخش آلودگی توسعه داده‌ شده‌‌، اما هیچ یک از آن‌ها قبل از کالیبره کردن با اطمینان قابل استفاده نیستند. بنابراین ساخت مدلی که بتواند با سرعت بیشتر و با اطلاعات کلی، انتقال آلودگی را پیش‌بینی کند، ضروری به نظر می‌رسد. از جمله روش‌های جدیدی که برای مدل‌سازی پیش‌بینی رفتار پدیده‌ها استفاده می‌شوند، روش‌های هوشمند داده‌ محور می‌باشند. در این پژوهش پیش‌بینی سرعت پیک آلودگی توسط دو مدل برخورد گروهی با داده‌ها (gmdh) و مدل هوشمند تلفیقی (gmdh-hs) صورت گرفت. بنابراین دو مدل با کد نویسی در نرم‌افزار matlab  بر مبنای دو روش ساخته و به‌کار گرفته شدند. پارامتر‌های ورودی به این مدل‌ها شامل دبی نسبی بی‌بعد (q’a)، سطح نفوذ بی‌بعد (d’a)، نسبت دبی به سطح نفوذ بی‌بعد و شیب رودخانه (s) بود. به‌منظور صحت‌سنجی مدل‌های استفاده شده از تابع استاندارد mackey-glass استفاده شد. نتایج کاربرد دو مدل حاکی از عملکرد مناسب، دقت بالای هر دو مدل به ‌ویژه مدل gmdh و افزایش دقت محاسبه سرعت پیک آلودگی به میزان حدوداً 52 درصد نسبت به بهترین معادله رگرسیونی بود.

Prediction of Peak Velocity of Pollutant Transport in Rivers Using Group Method Data Handling (GMDH) and Intelligent Hybrid Method GMDHHS

Estimating of the peak velocity of pollutant in a flow using hydraulic and geometrical parameters is very important in predicting the pollution transport in rivers. Suitable empirical equations are developed, none of which is reliable enough in estimating the peak velocity of pollutant before a thorough calibration. So, in this research artificial intelligence methods are used for this purpose. The objective of this research was to predict the peak velocity of pollutant by Group Method Data Handling (GMDH) methods and an intelligent hybrid method (GMDHHS). The result of these methods were compared to the best regression equation. The dimensionless relative discharge (Q’a), dimensionless drainage area, the ratio of discharge at the section at the time of  measurement to drainage area (Q/Da) and the reached slope (S) were taken as input parameters to these models. These data were collected from several different rivers in the United States. MackeyGlass standard function was used to evaluate the performance of the GMDH and GMDHHS models. The results indicated that the proposed models predicted the peak velocity of pollutant precisely (CE GMDH =0.9328, CE GMDHHS =0.9038 & CE Vp Equation=0.3802) and these models are more accurate compared to the best nonlinear regression equation..