قربان مهتابی - استادیار گروه مهندسی آب، دانشگاه زنجان
رویا بیگدلی نعلبندان - دانشجوی کارشناسی ارشد منابع آب گروه مهندسی آب، دانشگاه تبریز

یکی از پارامترهای مهم در علم هیدرولوژی منحنی تداوم جریان یا دبی کلاسه در رودخانه است. بررسی منحنی تداوم جریان و تعیین دبی های شاخص مانند دبی نرمال، دبی میانه در برنامه ریزی های آب رودخانه جهت استفاده های شرب و یا احداث بندهای انحرافی برای کشاورزی حائز اهمیت است. استخراج منحنی تداوم جریان طی سال های آماری طولانی 02 سال یا بیشتر این امکان را فراهم میسازد که بتوان تحلیل آماری روی داده های رودخانه انجام داد و چنین منحنی هایی را برای دوره های بازگشت مختلف رسم نمود. بنابراین استخراج دقیق این منحنی ها با حداقل خطا حائز اهمیت فراوانی است. در این تحقیق به بررسی کارایی مدل های هوشمند شامل شبکه عصبی مصنوعی، ماشین بردار پشتیبان و مدل های رگرسیونی در استخراج منحنی تداوم جریان ایستگاه خزانگاه رودخانه ارس واقع در استان آذربایجان شرقی پرداخته شد. بررسی انواع مدل های کلاسیک رگرسیونی نشان داد که مدل رگرسیونی نمایی دارای بهترین عملکرد بود به طوری که با 3219 R2 و 513 RMSE= روز دارای حداقل مقدار خطا و بالاترین ضریب تبیین مقدار بود. در مدل شبکه عصبی مصنوعی نیزمقدار R2 و RMSE 2 مدل به ترتیب برابر 0/9473,349 روز می باشد به طوریکه دبی در محدودههای کم به خوبی برآورد شده است. بررسی عملکرد انواع کرنل های ماشین بردار پشتیبان نشان داد که کرنل RBF بهترین عملکرد را در شبیه سازی منحنی تداوم جریان داشت، به طوری که با 339 R2 و 93 RMSE= روز دارای حداقل مقدار خطا و بالاترین ضریب تبیین مقدار بود. مقایسه نتایج بین انواع روشها براساس دو آماره R2 و RMSE نشان داد، در این ایستگاه مدل ماشین بردار پشتیبان بهترین نتیجه را نشان داد

ایستگاه خزانگاه، رودخانه ارس، روش ماشین پشتیبان، مدل های هوشمند، منحنی تداوم