ارائه یک زیرساخت ملی متن‌باز برای شبیه‌سازی رسوب معلق با استفاده از مدل‌های یادگیری ماشینی

کد مقاله : 1022-SCWMSUP (R1)

نویسندگان

سیدمحمودرضا طباطبایی *

چکیده مقاله

مدل‌های هیدرولوژیکی به دلیل درهم‌تنیدگی فرآیندهای فیزیکی، اقلیمی و زیست‌محیطی، همواره با عدم قطعیت و رفتارهای غیرخطی همراه‌اند؛ ازاین‌رو مدل‌سازی دقیق مؤلفه‌هایی مانند رسوب معلق رودخانه‌ها نیازمند بهره‌گیری از روش‌های هوش محاسباتی و ابزارهای نوین تحلیل داده است. برای پاسخ به این نیاز، یک سامانه مکانی هوشمند طراحی و توسعه یافته که با اتکا بر کتابخانه‌های متن‌باز GIS و چارچوب برنامه‌نویسی C# .Net Framework و پایتون امکان ذخیره‌سازی، تحلیل، شبیه‌سازی و مدیریت جامع اطلاعات رسوب معلق را فراهم می‌سازد. این سامانه به مجموعه‌ای از مدل‌های یادگیری ماشینی شامل شبکه‌های عصبی مصنوعی، الگوریتم‌های یادگیری عمیق، مدل‌های یادگیری جمعی مانند XGBoost، و روش‌های رگرسیونی مبتنی بر منحنی سنجه رسوب مجهز است. همچنین قابلیت‌هایی نظیر بارگذاری و مدیریت سری‌های زمانی دبی جریان، رسوب، بارش و سایر پارامترهای هواشناسی، خوشه‌بندی و تحلیل آماری داده‌ها، و ارزیابی خطا در آن تعبیه شده است. فرآیند شبیه‌سازی می‌تواند هم در حالت تک‌متغیره (بر اساس دبی جریان) و هم چندمتغیره (با واردکردن داده‌های دما، بارش، پوشش گیاهی و غیره) انجام گیرد. به‌کارگیری این سامانه در تعدادی از ایستگاه های هیدرومتری حوزه‌های آبخیزکشور نشان داده است که ابزار توسعه‌یافته قادر است با دقت قابل‌قبول و عملکرد پایدار، برآورد رسوب معلق روزانه را انجام دهد. با توجه به طراحی هدفمند، معماری متن‌باز و پوشش مدل‌سازی یکپارچه، این سامانه می‌تواند به عنوان یک زیرساخت ملی برای مدیریت و شبیه‌سازی رسوب معلق در تمامی ایستگاه‌های هیدرومتری کشور مورد استفاده سازمان‌های مرتبط قرار گیرد.

کلیدواژه ها

تحلیل داده، سامانه مکانی هوشمند، شبکه عصبی مصنوعی، مدل‌سازی رسوب معلق، هوش محاسباتی، یادگیری عمیق، یادگیری جمعی

وضعیت: پذیرفته شده