کیومرث روشنگر - استاد ، دانشکده مهندسی عمران دانشگاه تبریز
وحید نورانی - استاد دانشکده مهندسی عمران -دانشگاه تبریز
نسرین آقاجانی - دانشجوی کارشناسی ارشد مدیریت منابع آب

این تحقیق کاربرد دو روش نوین فرآیند رگر سیونی گاو سی((GPR و ما شین های بردار پشتیبان((SVM به عنوان روش های نوین داده گرا در بهینه سازی نتایج مدلی مبتنی بر تابع کرنل پایه شعاعی محور برای پیشبینی دبی رسوب معلق مورد بررسی قرار گرفت.. برای این منظور چند ای ستگاه واقع بر رودخانه ی می سی سی پی در نظرگرفته شد. با کمک داده های چندروز پیش دبی رسوب معلق در ایستگاه های مذکور میزان دبی رسوب معلق در همان ایستگاه ها پیشبینی شد و نتایج آنها مورد ارزیابی قرار گرفت.نتایج حاصله نشان داد برترین مدل از روش رگرسیون گاوسی با ارائه شاخص های آماری شامل همبستگی خطی در آموزش و آزمون به ترتیب برابر 0.92 و 0.88 و ریشه میانگین مربعات خطاها در آموزش و آزمون به ترتیب برابر 0.038 و 0.068 و برترین مدل از روش ماشین بردار پشتیبان شامل همبستگی خطی در آموزش و آزمون برابر 0.94 و 0.93 و ریشه میانگین مربعات خطاها در آموزش و آزمون برابر 0.028 و 0.047 دارای بیشترین دقت و کمترین خطا است. و درنهایت نتایج به دست آمده نشان داد ، روش ماشین های بردار پشتیبان نتایج بهتری نسبت به روش فرآیند رگرسیونی گاوسی ارائه می کند.

پیش بینی دبی رسوب معلق، فرآیند رگرسیون گاوسی ، توابع کرنل ، می سی سی پی