روش هیبریدی ماشین های بردار پشتیبان و جستجوگر هارمونی در پیش بینی عملکرد بهینه مخازن

در اکثر کاربردهای روش های بهینه سازی در تعیین عملکرد مخازن، از داده های غیرواقعی جهت حل مسائل استفاده شده و یا قابلیت به هنگام بودن مورد توجه قرار نگرفته است. استفاده از روش های داده محور در شبیه سازی عملکرد مخازن می تواند در رفع نواقص اشاره شده در مدلهای صرفا بهینه ساز موثر واقع شود. روش ماشین های بردار پشتیبان (svm) به عنوان یکی از جدیدترین روش های داده محور با وجود قابلیتهای فراوان خود هنوز در بحث مدیریت مخازن به شکل جدی مورد استفاده قرار نگرفته است. در پژوهش حاضر یک مدل هیبربدی متشکل از الگوریتم بهینه ساز جستجوی هارمونی (hs) و روش شبیه ساز svm جهت پیش بینی عملکرد سیستم چندمخزنه سد زاینده رود در استان اصفهان توسعه داده شده است. مسئله بهینه سازی با داده های واقعی توسط الگوریتم hs در دوره آماری 45 ساله صورت گرفته و سپس بر اساس مقادیر خروجی به دست آمده از مدل بهینه ساز، مدل شبیه ساز svm عملکرد مخزن را در زمان های آتی پیش بینی می کند. داده های ورودی به مدل شبیه ساز شامل حجم ورودی به مخزن در ماه های قبل، نیاز و حجم اولیه مخزن در ماه هدف می باشد. خروجی مدل نیز شامل مقادیر بهینه رهاسازی در ماه هدف است. مقایسه شاخص های برازندگی rmse, r² در مراحل آموزش و آزمون حاکی از توانایی بالای مدل توسعه داده شده در این مطالعه جهت تعیین عملکرد به هنگام سیستم های چندمخزنه است.