مقایسه روش رگرسیون غیرخطی با روش های هوش محاسباتی در برآورد توزیع مکانی آب معادل برف در سراب کارون

معمولا برای ارزیابی منابع آب مرتبط با برف در حوضه های کوهستانی، از آب معادل برف استفاده می شود. در این تحقیق، با بهره گیری از داده های مشاهده ای، کاربرد رگرسیون غیرخطی، شبکه عصبی مصنوعی و هم چنین بهینه سازی پارامترهای شبکه با روش الگوریتم ژنتیک در برآورد ضخامت برف و آب معادل آن بررسی شد. بدین منظور مقادیر برآورد شده با شبکه عصبی مصنوعی، روش تلفیقی شبکه عصبی- الگوریتم ژنتیک و روش رگرسیونی با مقادیر مشاهده شده مقایسه گردید. بدین-منظور اندازه گیری های صحرایی در بهمن سال ۱۳۸۴ در سراب کارون انجام گردید. هم چنین ضریب هم بستگی، میانگین مربع خطا و میانگین خطای مطلق برای ارزیابی کارایی مدل های مختلف شبکه های عصبی مصنوعی و رگرسیون غیرخطی مورد استفاده قرارگرفت. با توجه به نتایج به دست آمده، روش های شبکه عصبی مصنوعی و شبکه عصبی تلفیق یافته با الگوریتم ژنتیک در برآورد آب معادل برف مناسب تشخیص داده شدند. به طور کلی از میان روش های به کار رفته، روش شبکه عصبی تلفیق یافته با الگوریتم ژنتیک بهترین نتیجه (۸۴/۰r=، ۰۴۱/۰MSE= و ۰۵۱/۰MAE=) را در بر داشته است. با توجه به پارامترهای مورد بررسی، ارتفاع از سطح دریا، مهم ترین پارامتر موثر جهت برآورد آب معادل برف است.

Keywords:

Snow water equivalent , Artificial neural network , Genetic algorithm , Non-linear regression , Karoon basin. , آب معادل برف , شبکه عصبی مصنوعی , الگوریتم ژنتیک , رگرسیون غیرخطی , حوضه کارون