مدل‌سازی جریان رودخانه باراندوزچای با استفاده از روش‌ نزدیکترین K- همسایه و روش‌های هوشمند

Abstract

پیش­بینی دقیق جریان رودخانه در طراحی، بهره­برداری و برنامه­ریزی منابع آب از اهمیت بسزایی برخوردار است. در این مطالعه، عملکرد روش­های ناپارامتری نزدیکترین همسایه، فازی- عصبی تطبیقی و روش رگرسیون بردار پشتیبان در پیش­بینی جریان رودخانه ارزیابی شده است. برای مدل­سازی از داده­های جریان 36 ساله ایستگاه هیدرومتری دیزج واقع بر رودخانه باراندوزچای (در مقیاس زمانی ماهانه) استفاده گردید. ترکیبات مختلفی از داده­های ثبت شده به عنوان الگوی ورودی جهت پیش­بینی دبی جریان استفاده شد. نتایج به دست آمده حاکی از عملکرد قابل قبول روش­های مورد استفاده در پیش­بینی مقدار جریان ماهانه بودند. با اضافه نمودن ضریب فصلی جریان به الگوی ورودی مدل، عملکرد مدل­های هوشمند در پیش­بینی به صورت قابل ملاحظه­ای افزایش یافت. به طور کلی، مدل رگرسیون بردار پشتیبان با بکارگیری مناسب­ترین الگوی ورودی به عنوان بهترین روش انتخاب شد. مقادیر سه شاخص­ ارزیابی شامل ضریب همبستگی، ریشه میانگین مربعات خطا و متوسط قدر مطلق خطای نسبی به ترتیب برابر 88/0، 63/3 مترمکعب بر ثانیه و 45/78 بود. همچنین ارزیابی عملکرد مدل­ها در پیش­بینی مقادیر دبی جریان نشان داد که در موارد با جریان زیاد، همه مدل­های مورد استفاده، دبی جریان را کمتر از مقدار مشاهداتی تخمین می­زنند.