شبیه سازی دبی جریان رودخانه با استفاده از مدل بردار پشتیبان و مقایسه آن با مدل ترکیبی بردار پشتیبان - ژنتیک (مطالعه موردی: رودخانه دالکی)

پیشبینی دقیق دبی جریان رودخانه نقشی اساسی در مدیریت منابع آب، مهار سیلاب و بهره برداری بهینه از آب های سطحی دارد. تخمین صحیح جریان رودخانه می تواند به کاهش خسارات ناشی از سیل، بهبود برنامه ریزی های آبی و مدیریت پایدار حوضه های آبریز کمک کند. در این پژوهش، شبیه سازی دبی جریان رودخانه دالکی با استفاده از مدل ماشین بردار پشتیبان (SVM) و مدل ترکیبی بردار پشتیبان - الگوریتم ژنتیک (SVR-GA) انجام شد. مدل SVM به دلیل توانایی بالا در یادگیری الگوهای پیچیده، در پیشبینی پدیده های هیدرولوژیکی موثر است. با این حال، تنظیم بهینه پارامترهای این مدل تاثیر قابل توجهی بر دقت پیشبینی دارد. از اینرو، در این مطالعه از الگوریتم ژنتیک (GA) برای بهینه سازی پارامترهای مدل SVM استفاده شد. نتایج مقایسه این دو مدل نشان داد که مدل ترکیبی SVR-GA عملکرد بهتری نسبت به مدل SVM دارد. این مدل با بهینه سازی خودکار پارامترها توانست دقت پیشبینی را افزایش داده و خطای مدل را کاهش دهد. بنابراین، استفاده از روش های ترکیبی بردار پشتیبان - الگوریتم ژنتیک می تواند رویکرد مناسبی برای بهبود پیشبینی دبی رودخانه ها و مدیریت بهتر منابع آبی باشد.

کلیدواژه ها:

پیشبینی ، بردار پشتیبان ، الگوریتم ژنتیک ، مدیریت منابع آب