TY - JOUR ID - 140245 TI - تعیین ویژگی‌های مؤثر برای تخمین حجم آب تحویلی به شبکه آبیاری با استفاده از شبکه عصبی مصنوعی ترکیبی با الگوریتم چرخه آب (مطالعه موردی: شبکه آبیاری و زهکشی سد سفیدرود) JO - مدیریت آب در کشاورزی JA - WMAJ LA - fa SN - 2476-4531 AU - حکیمی خانسر, حسین AU - شعبانی چافجیری, علی AD - دانشجوی دکترا، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز و کارشناس کنترل و پایداری، شرکت آب منطقه‌ای گیلان AD - کارشناس ارشد مهندسی عمران گرایش سازه های هیدرولیکی دانشگاه فردوسی مشهد و کارشناس بهره برداری و نگهداری از سازه‌های آبی، شرکت سهامی Y1 - 2022 PY - 2022 VL - 8 IS - 2 SP - 117 EP - 134 KW - الگوریتم چرخه آب KW - انتخاب ویژگی KW - شبکه‌ی آبیاری و زهکشی سد سفیدرود KW - شبکه عصبی مصنوعی KW - هیدرواینفورماتیک DO - N2 - در این مطالعه قابلیت الگوریتم فرا ابتکاری چرخه آب در زمینه مدلسازی حجم آب تحویلی به شبکه‌ آبیاری و تعیین ویژگی‌های مؤثر بر آن با ترکیب با شبکه عصبی بررسی شد. پنج ویژگی شامل حجم آب تحویلی به شبکه‌های آبیاری سد سفیدرود در یک روز قبل، دبی و حجم ورودی در هفت روز قبل، تراز و حجم مخزن در ده روز قبل برای ورودی مدل‌های هوشمند انتخاب شد. با اجرای الگوریتم هیبریدی WCA-ANN، روش انتخاب ویژگی و تحلیل حساسیت ترکیب سه‌تایی از ویژگی‌ها با مقدار خطا (MSE) برابر 00045/0 بهترین ترکیب ورودی محسوب می‌شوند. حجم آب تحویلی به شبکه‌های آبیاری سد سفیدرود در یک روز قبل با توجه به تحلیل حساسیت مؤثرترین ویژگی‌ در مدلسازی آن است. در ادامه در این مطالعه وزن‌های شبکه عصبی مصنوعی به کمک دو الگوریتم فرا ابتکاری چرخه آب بدون عمل تبخیر (WCA) و چرخه آب با عمل تبخیر (ER.WCA) به منظور افزایش کارایی بهینه گردید. از لحاظ اولویت مدل هیبرید ANN-ER.WCA با بیش‌ترین دقت و کمترین خطا و با مقادیرR،NRMSE ، MAE وNS به ترتیب برابر با 9915/0، 0975/0، 0090/0 و 9829/0 در دوره آزمون، در اولویت اول و مدل‌های ANN-WCA و ANN به ترتیب در اولویت‌های بعدی قرار گرفتند. UR - https://wmaj.iaid.ir/article_140245.html L1 - https://wmaj.iaid.ir/article_140245_5768e4cea10a6ffbc42efb515af09608.pdf ER -