نوع مقاله : پژوهشی
نویسندگان
1 دانشجو دکترای سازه آبی، دانشگاه لرستان
2 دانشیار گروه مهندسی آب
3 هیات علمی دانشگاه لرستان
4 استادیار گروه مهندسی آب، دانشگاه لرستان
چکیده
برآورد دقیق آبدهی رودخانه‌ها یکی از مهم‌ترین موارد کلیدی در مدیریت و برنامه‌ریزی منابع آب به‌ویژه اتخاذ تصمیمات صحیح در مواقع سیلاب و بروز خشک‌سالی‌ها است. برای برآورد میزان آبدهی رودخانه‌ها رویکردهای متنوعی در هیدرولوژی معرفی‌شده است که مدل‌های هوشمند از مهم‌ترین آن‌ها می باشد. در این پژوهش کاربرد مدل های هیبریدی ماشین بردار پشتیبان_ موجک و ماشین بردار پشتیبان-بیزین به منظور برآورد دبی رودخانه های حوضه آبریز کرخه براساس آمار آبدهی روزانه ایستگاههای هیدرومتری واقع در بالادست سد کرخه طی دوره آماری(1387-1397) مورد بررسی و ارزیابی قرار گرفته است. معیارهای ضریب همبستگی، ریشه میانگین مربعات خطا و میانگین قدر مطلق خطا برای ارزیابی و عملکرد مدلها مورد استفاده قرار گرفت. نتایج نشان داد ساختارهای ترکیبی نتایج قابل قبولی در مدلسازی دبی رودخانه ارائه می نمایند. همچنین مقایسه مدلها نشان داد مدل هیبریدی ماشین بردار پشتیبان-موجک دقت بهتری در پیش بینی جریان از خود نشان داده است. در مجموع نتایج نشان داد استفاده از مدل هیبریدی ماشین بردار پشتیبان میتواند در زمینه پیش بینی دبی روزانه مفید باشد .
کلیدواژه‌ها
عنوان مقاله [English]
Application of Hybrid Support Vector machine models in Predicting River Flow Karkhe basin
نویسندگان [English]
- reza dehghani 1
- hassan torabi 2
- hojatolah younesi 3
- babak shahinejad 4
1 phd student
2 Associate Professor of Water Engineering
3 Assistant Professor of Water Engineering Department
4 Assistant Professor Department of Water Engineering
چکیده [English]
River flow prediction is one of the most important key issues in the management and planning of water resources, in particular the adoption of proper decisions in the event of floods and the occurrence of droughts. In order to predict the flow rate of rivers, various approaches have been introduced in hydrology, in which intelligent models are the most important ones. In this study the application of hybrid wavelet vector hybrid model to estimate the discharge of Kharkhe basin rivers on daily discharge statistics of hydrometric stations located upstream of dam during the statistical period (2008-2018) has been evaluated and its performance with vector machine model The backup was compared. The correlation coefficients, root mean square error, mean absolute error was used for evaluation and also comparison of the performance of models in this research. The results showed that the hybrid structures presented acceptable results in the modeling of river discharge. Comparison of models also showed that the hybrid model of support-wavelet vector machine has better performance in flow forecasting. .Overall, the results showed that using a hybrid backup vector machine model can be useful in predicting daily discharge.
کلیدواژه‌ها [English]
- Bayesian
- Forecasting
- Karkhe Basin
- Support Vector Machine
- Wavelet
)