مقایسه عملکرد ماشین بردار پشتیبان و شبکه عصبی مصنوعی در برآورد ارتفاع آب معادل برف در حوضه آذربایجان شرقی

برف و برفاب در حوضه­های کوهستانی و مرتفع عامل مهم و کنترل­کننده رژیم جریان محسوب شده و به عنوان منبع اصلی تامین آب نقش بسیار مهمی را ایفا می­نماید. به همین دلیل در مناطق کوهستانی هیدرولوژی برف اهمیت و ارزش زیادی دارد. علاوه بر این تخمین، شبیه­سازی و پیش­بینی جریان ناشی از ذوب برف و باران در زمینه­های مختلف دارای اهمیت و کاربرد می باشد که از جمله آن تامین آب شرب، کشاورزی، صنعت و تفرجگاه­ها، تنظیم آب رودخانه­ها، کنترل و هشدار سیل و برآورد سیل طراحی برای حوضه آبریز می باشد. در این پژوهش به منظور شبیه­سازی جریان حاصل از ذوب برف در ایستگاه­های بالادره کندوان، پیست اسکی مرند و صندوقلو واقع در استان آذربایجان شرقی از مدل شبکه عصبی MLP و ماشین بردار (SVM) در دوره آماری ۹۲-۸۵ استفاده گردید. از سه معیار عددی به نام­های ضریب همبستگی (CC)، جذر میانگین مربعات خطا (RMSE) و خطای مطلق میانگین (MAE) به منظور ارزیابی دقت استفاده شد. نتایج نشان داد شبکه عصبی دقت بیشتری را نسبت به ماشین بردار دارد. از بین ساختارهای مختلف شبکه عصبی، آرایش ۱-۶-۳ با سه ورودی چگالی برف، طول نمونه برف و عمق برف بیشترین دقت را دارد.

Keywords:

Water equivalent of snow height , Support vector machine , Neural network , East Azerbaijan , ارتفاع آب معادل برف , ماشین بردار پشتیبان , شبکه عصبی , آذربایجان شرقی