аспирант кафедры гидравлики и гидротехнического строительства
postgraduate of the Department of Hydraulics and Hydraulic Engineering
доктор технических наук, профессор, заведующий кафедрой гидравлики и гидротехнического строительства
Doctor of Technical Sciences, Professor, Head of the Department of Hydraulics and Hydraulic Engineering
Введение.
Возможность моделирования речного стока является важным шагом в процессе гидрологического моделирования и, следовательно, в изучении водного баланса. Цель исследования — проверка способности и надежности программы MIKE 11 NAM в моделировании стока в верхней части бассейна р. Оронт в Сирии с использованием моделей искусственного интеллекта.
Материалы и методы.
Использованы модели искусственных нейронных сетей (ИНС) и модели нечеткого логического вывода (НЛВ), которые сравнивались друг с другом для определения лучшей модели с целью «заполнения пробелов» в сведениях о поверхностном стоке на станциях наблюдения Аль-Джавадия и Аль-Амири. Полученные выходные данные применены в процессе моделирования с помощью программы MIKE 11 NAM.
Результаты.
Определили высокую эффективность моделей искусственного интеллекта как нейронных сетей, так и модели НЛВ, с некоторым предпочтением нейронных сетей. Использование полученных результатов в качестве входных данных для моделирования стока в программе MIKE показало, что существуют большие различия между наблюдаемыми и смоделированными значениями, по-видимому, из-за ограниченности исходной информациина исследуемой территории речного бассейна.
Выводы.
Рекомендовано продолжить исследование эффективности математических моделей формирования стока в условиях недостаточности и ограниченности исходной информации с целью поиска наилучшего способа решения этой проблемы.
Introduction.
The ability of runoff modeling is an essential step in the hydrologic modeling process and therefore water balance studies, therefore, this study aims to verify the ability and reliability of the MIKE 11NAM program in modeling runoff, in the upper basin of Orontes River in Syria, with the use of artificial intelligence models to fill the gaps in runoff time series.
Materials and methods.
In this study, models of artificial neural networks and fuzzy inference models were used and they were compared with each other to determine the best model in order to fill the gaps in the surface runoff data at Al-Jawadiyah and Al-Amiri stations. Then the results were used in the modeling process using the MIKE 11 NAM program.
Results.
The results showed a high reliability of artificial intelligence models, whether neural networks or fuzzy inference models, with a relative preference for neural networks, and after using these results within the data required for modeling in the Mike program, it was found that there are large differences between the observed and simulated values due to the lack of existing data on the study area.
Conclusions.
This study recommends to continue research on the issue of hydrological modeling in case of lack of data and to compare between different models to find the best way to solve this problem.
The authors declare that there are no conflicts of interest present.