پیش بینی کوتاه مدت میزان جریان آب رودخانه مبتنی بر یادگیری ماشین بردار پشتیبان

پیشبینی فرآیندهای هیدرولوژیکی، از مهمترین م سائل در مدیریت حوزه های آبخیز مطرح میبا شد. علاوه بر آن پیشبینی دبی رودخانه،مخصوصا در مواقع سیلابی، به مسئولان این امکان را خواهد داد که خسارات نا شی از وقوع آنرا به حداقل ر سانند. روشهای مختلفی برای پیشبینی جریان آب رودخانه انجام شده ا ست. روشهای آماری برا ساس اطلاعات بستر رودخانه یا اطلاعات دما و بارش پیشبینی را انجام میدهند. روشهای رگرسیونی بر اساس پارامترهای ورودی تخمینی از جریان آب رودخانه انجام میدهند. اخیرا محققین در این حوزه از روشهای مختلف هوش مصنوعی و یادگیری ماشین استفاده کرده اند.در این پژوهش از ماشین بردار پشتیبان چندگانه برای پیشبینی جریان آب رودخانه استفاده کردیم . مجموعه داده استاندارد این پروژه شامل ۱۱۳۱۱ رکورد از اطلاعات روزانه جریان آب رودخانه Filyos در ناحیه دریای سیاه در ترکیه می با شد که به صورت تصادفی ۷۵ در صد داده ها را به عنوان داده های آموزش و ۲۵ در صد داده ها را به عنوان داده های آزمایش در نظر گرفتهایم. به منظور آموزش از کرنلهای خطی و گاوسی پایه ماشین بردار پشتیبان چندگانه استفاده شده است. در این پژوهش بر اساس آزمایشهای انجام شده، ماشین بردار پشتیبان چند گانه با کرنل شعاعی گاوسی پایه، دارای میزان میانگین خطای مطلق کمتری بوده و مقدار آن در حدود ۳,۱۲ میباشد.

Keywords:

پیش بینی , جریان آب رودخانه , ماشین بردار پشتیبان