مدل سازی رواناب رودخانه صوفی چای با استفاده از ماشین بردار پشتیبان و شبکه عصبی مصنوعی

    شبیه­ سازی دقیق فرآیند رواناب می­تواند نقش بسزایی در مدیریت منابع آب و مسائل مربوطه داشته باشد. پیچیدگی ذاتی این فرآیند استفاده از مدل­های فیزیکی و عددی را مشکل می­نماید. در سال­های اخیر کاربرد مدل­های هوشمند به­عنوان ابزاری توانمند در علم هیدرولوژی افزایش یافته است. هدف این مطالعه کاربرد آزمون گاما برای انتخاب ترکیب بهینه متغیرهای ورودی در مدل سازی رودخانه صوفی چای می باشد. مدل سازی جریان آب رودخانه با استفاده از تعداد نقاط بهینه متغیرهای منتخب با روش های شبکه عصبی مصنوعی و ماشین بردار پشتیبان می باشد. نتایج آزمون گاما نشان داد که رواناب رودخانه با شش تاخیر زمانی، نتایج بهتری به منظور پیش بینی ارائه می دهد. شبیه سازی رواناب با استفاده از دو مدل  ماشین بردار پشتیبان و شبکه عصبی مصنوعی نشان داد که بهترین ساختار ورودی برای پیش بینی رواناب ماه بعد، تا شش تاخیر خواهد بود. از میان دو مدل با ساختار ورودی یکسان، مدل ماشین بردار پشتیبان کارایی نسبتا بالایی نسبت به شبکه عصبی مصنوعی داشته است.  

Keywords:

Artificial Neural Network , Gamma Test , Runoff , SofiChay River , Support Vector Machine , آزمون گاما , رواناب , رودخانه صوفی چای , شبکه عصبی مصنوعی , ماشین بردار پشتیبان