معین بهرام پور
غلامعباس بارانی - استاد بخش مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه شهید باهنر کرمان، کرمان
محمد ذونعمت کرمانی - دانشیار بخش مهندسی آب دانشگاه شهید باهنر کرمان. ایران.

پیش­بینی دبی رودخانه­ها در شرایط پدیدار شدن وضعیت کانال مرکب یکی از پارامترهای مهم در مهندسی سیلاب و رودخانه­ها می­باشد. در این تحقیق با استفاده از رویکردهای داده محور از جمله شبکه عصبی مصنوعی(ANN) و ماشین­های بردار پشتیبان(کلاس بندی(SVM) و رگرسیونی(SVR)) وهمچنین روش تجربی کانال تقسیم شده بروش تقسیم بندی عمودی(DCM) دبی کانال مرکب پیش­بینی شده است. برای این هدف تعداد 150 داده آزمایشگاهی از 6 منبع علمی گرد آوری شد. این داده­ها با استفاده از روش اعتبار سنجی متقابل k-تایی به چهار دسته بیست و پنج درصدی تقسیم بندی شدند. در هر مدل­سازی در رویکردهای داده محور، آزمون مدل توسط یک دسته از داده­ها صورت گرفت.پس از میانگین گرفتن از نتایج یکسان در هر رویکرد داده محور، نتایج برتری روش SVR را نشان داد. این روش با داشتن بیشترین مقدارضریب تعیین  وضریب کارائی مدل نش ساتکلیف (NS) (بترتیب برابر با 92875/0 و898075/0 )و داشتن کمترین مقدار ریشه میانگین مجذور خطا (RMSE )و میانگین درصد خطای مطلق(MAPE ) (بترتیب برابر با ( )08435/0 و %89/23 ) و همچنین با داشتن بیشترین درصد برتری نسبی RMSE نسبت به شبکه عصبی مصنوعی در پیش بینی دبی کانال مرکب موفق­تر از دیگر روش­ها عمل کرده است.

پیش بینی دبی, شبکه عصبی مصنوعی, کانال تقسیم شده, ماشین بردار پشتیبان, مقاطع مرکب