پتانسیل مدل رگرسیون بردار پشتیبان هیبریدی برای پیش بینی دبی رسوبی رودخانه(مطالعه موردی: رودخانه کشکان-لرستان)

ارائه یک مدل پیش بینی قوی و قابل اعتماد برای میزان دبی رسوبی رودخانه ها یک کار ضروری برای چندین دیدگاه محیطی و ژئومورفولوژیکی از جمله کیفیت آب، پایداری مهندسی بستر رودخانه و زیستگاه های آبی است. در این تحقیق، یک رویکرد هوشمند ترکیبی جدید مبتنی بر رویکرد مدل رگرسیون بردار پشتیبان برای پیش بینی دبی رسوبی رودخانه توسعه داده شده است. بدین منظور در این پژوهش از دو الگوریتم بهینه سازی شامل کرم شب تاب و گرگ خاکستری برای مدلسازی دبی رسوبی رودخانه بکار برده شد. جهت مدلسازی از آمار و اطلاعات ایستگاه هیدرومتری رودخانه کشکان واقع در استان لرستان بعنوان مطالعه موردی طی ۷ سناریو ترکیبی از پارامترهای ورودی در سالهای ۱۳۷۳-۱۴۰۳ استفاده شد. به منظور ارزیابی عملکرد مدلها از معیارهای ارزیابی ضریب همبستگی، ریشه میانگین مربعات خطا، میانگین قدر مطلق خطا و ضریب نش ساتکلیف استفاده شد. نتایج نشان داد سناریو های ترکیبی در مدلهای مورد بررسی باعث بهبود عملکرد مدل می شود. همچنین نتایج حاصل از معیار ارزیابی نشان داد مدل رگرسیون بردار پشتیبان-کرم شب تاب دارای ضریب همبستگی ۹۷۰/۰ ، ریشه میانگین مرعات خطا (ton/day) ۱۴۵/۰ ، میانگین قدر مطلق خطا (ton/day) ۰۸۰/۰ و ضریب نش ساتکلیف ۹۸۰/۰ در مرحله صحت سنجی برخوردار است. در مجموع نتایج نشان داد استفاده از مدلهای هوشمند مبتنی بر رویکرد رگرسیون بردار پشتیبان می تواند رویکردی موثر در پایداری مهندسی رودخانه باشد.

کلیدواژه ها:

کشکان ، رگرسیون بردار پشتیبان ، رسوبات معلق ، مدلسازی