مقایسه مدل های شبکه عصبی مصنوعی، درخت تصمیم و شبکه بیزی در تحلیل منطقه ای سیلاب با استفاده از روش های گشتاور خطی و حداکثر درستنمایی در حوزه های آبخیز کرخه و کارون

پیش بینی صحیح دبی سیل، برای طراحی سازه های هیدرولیکی، کاهش خطر شکست و به حداقل رساندن آسیب های محیط زیستی پایین دست، از اهمیت زیادی برخوردار است. هدف از انجام این مطالعه، بررسی کاربرد روش های یادگیری ماشین برای تحلیل منطقه ای فراوانی سیلاب است. برای دستیابی به این هدف، ۱۸ پارامتر فیزیوگرافی، اقلیمی، سنگ شناسی و کاربری اراضی برای حوضه های بالادست ایستگاه های هیدرومتری حوزه های آبخیز کرخه و کارون (۴۶ ایستگاه با طول آماری ۲۱ سال) درنظر گرفته شد. سپس، بهترین تابع توزیع احتمال با استفاده از آزمون کولموگروف- اسمیرنف در هر ایستگاه برای برآورد دبی سیل با دوره بازگشت ۵۰ سال با استفاده از روش های حداکثر درستنمایی و گشتاورهای خطی تعیین شد. درنهایت، تحلیل منطقه ای فراوانی سیلاب با استفاده از درخت تصمیم، شبکه بیزی و شبکه عصبی مصنوعی انجام شد. نتایج نشان داد که توزیع لوگ پیرسون تیپ ۳ در روش حداکثر درستنمایی و توزیع نرمال تعمیمیافته در روش گشتاورهای خطی بهترین توزیع احتمالی منطقه ای هستند. بر اساس آزمون گاما، پارامترهای محیط، طول حوضه، عامل شکل و طول جریان اصلی به عنوان بهترین ترکیب ورودی انتخاب شدند. نتایج تحلیل منطقه ای فراوانی سیلاب نشان داد که مدل بیزی با روش گشتاور خطی ((R۲=۰.۷ بهترین برآورد را در مقایسه با روش های دیگر دارد. درخت تصمیم و شبکه عصبی مصنوعی در رده های بعدی قرار داشتند.

Keywords:

Modeling , Instantaneous maximum discharge , Machine learning models , L-moments , Bayesian network , مدل سازی , دبی حداکثر لحظه ای , مدل های یادگیری ماشین , گشتاور خطی , شبکه بیزی