شبیه سازی جریان ماهانه رودخانه با استفاده از مدل رگرسیون ماشین بردار پشتیبان بهبود یافته با استفاده از الگوریتم بهینه سازی گرگ خاکستری

اندازه گیری جریان رودخانه ها یکی از مهم ترین مسائل در مدیریت رودخانه است به همین دلیل همواره تلاش می شود از روش های دقیقی برای اندازه گیری آن استفاده شود. هدف این مطالعه بهبود کارایی مدل رگرسیون بردار پشتیبان (SVR) با استفاده از الگوریتم بهینه سازی گرگ خاکستری (GWO) برای مدل سازی جریان ماهانه رودخانه است. برای این کار از داده های ماهانه جریان ماهانه رودخانه، بارندگی و دما طی ۱۵ سال (از سال ۱۴۰۰ تا ۱۳۸۵) استفاده شد. برای انتخاب بهترین متغیرهای ورودی به مدل SVR و GWO-SVR از روش سعی و خطا استفاده شد. بر اساس نتایج حاصل از این روش Q(t-۱) R(t-۱),T(t-۱) بهترین متغیرهای مستقل برای شبیه؜سازی متغیر Q_t هستند. از ۸۰درصد همه داده؜ها برای آموزش و ۲۰ درصد داده؜ها برای صحت سنجی مدل؜های SVR  و GWO-SVR استفاده شد، از شاخص؜های R^۲، RMS وNSE  برای ارزیابی کارایی مدل؜ها استفاده شد. برای توسعه مدل؜ها از توابع فعال ساز خطی(LKF)، چندجمله ایی(PKF)،تابع پایه شعاعی(RBF)، سیگموید(SKF) استفاده شد. ابتدا از روش سعی و خطا برای تعیین پارامترهای توابع فعال ساز استفاده شد.بر اساس نتایجحاصل از این مطاله مدل SVR با تابع فعال ساز چندجمله ایی بهترین عملکرد را در مرحله آموزش و صحت سنجی دارد و با تابع فعال ساز خطی بدترین عملکرد را در مرحله اموزش و صحت سنجی دارد. سپس از الگوریتم GWO برای تعیین پارامترهای توابع فعال ساز استفاده شد. بر اساس نتایج حاصل مدل SVR با الگورییتم GWO عملکرد بهتری دارد. بنابرین برای شبیه؜سازی جریان ماهانه اب رودخانه با استفاده از این مدل بهتر است به جای روش سعی و خطا از الگوریتم GWO استفاده شود

کلیدواژه ها:

جریان ماهانه رودخانه ، رگرسیون بردار پشتیبان ، الگوریتم بهینه سازی گرگ خاکستری ، مدیریت منابع آب