Подробности

Категория: Март 2025

Гибридизация искусственных нейронных сетей с алгоритмом искусственной оптимизации для улучшения прогноза месячного речного стока на примере реки Суммам (Алжир)

Н. Даиф, А. Хербал, Б. Бусетта

Настоящее исследование направлено на повышение точности и надежности прогнозов речного стока путем оптимизации искусственных нейронных сетей (ИНС) с использованием трех метаэвристических алгоритмов: Artificial Rabbits Optimization (ARO), Mayfly Optimization Algorithm (MOА) и Grey Wolf Optimizer (GWO) в сочетании с методом роя частиц (Particle Swarm Optimization (PSO)) (GWO-PSO). Исследование проведено с целью прогноза месячного стока на станциях Фермату и Бу-Бирек на р. Суммам, расположенной на севере Алжира. Оптимальные входные данные и комбинации параметров для гибридных моделей ИНС определены с использованием автокорреляционной, частичной автокорреляционной и кросс-корреляционной функций. Численные результаты показали превосходное качество модели ИНС-ARO со значениями коэффициента корреляции R от 0,981 до 0,982 и коэффициента Нэша — Сатклиффа от 0,960 до 0,962 для двух вышеупомянутых станций. Данные результаты превосходят результаты моделей ИНС-GWO-PSO и ИНС-MOA. Необходимо отметить, что сравнение нового метода ARO с существующими используемыми метаэвристическими алгоритмами показало более высокую точность его результатов и более высокое качество прогнозирования.