کاربرد مدل‌های SVR و GRNN در تخمین حداکثر عمق فرسایش در شرایط بستر متحرک در تلاقی رودخانه‌ها

Abstract

تلاقی رودخانه‌ها یکی از پیچیده‌ترین مکان‌ها در سیستم رودخانه‌ها می‌باشد که درنتیجۀ آن، پیش‌بینی حداکثر عمق آبشستگی (Ds) بااستفاده از مدل‌های هوشمند که قادر به لحاظ این پیچیدگی‌ها می‌باشند امری مهم و ضروری می‌باشد. بنابراین در تحقیق حاضر، عملکرد دو مدل هوش مصنوعی به نام‌های SVR(با لحاظ روش‌های اعتبارسنجی مختلف، شامل train-test، K-Fold و leave-one-out) و GRNN مورد بررسی قرار گرفته است. نتایج حاصل نشان دادند که اگرچه تمام مدل‌ها در پیش‌بینی Ds دقت تقریباً خوبی دارند؛ اما مدل SVR با روش اعتبارسنجی train-test دقت بالاتری را نشان می‌دهد (به‌ترتیب با R2، MAE، MARE، RMSE و NSE برابر با 66/95، 0124/0 ، 26/4، 0168/0 و 993/0)، و بعد از آن به‌ترتیب مدل‌های SVR leave-one-out، SVR K-Fold (در K=9) و مدل GRNN را می‌توان به عنوان دقیق‌ترین مدل‌ها‌ در این تحقیق پیشنهاد نمود.