برآورد رسوبات معلق نواحی ساحلی دریای خزر با استفاده از تکنیک یادگیری ماشین

مدل سازی رسوبات معلق موضوعی مهم برای تصمیم گیرندگان در سطح حوضه آبخیز است. مدل سازی دقیق و قابل اعتماد بار رسوب معلق برای برنامه ریزی، مدیریت و طراحی ساختارهای منابع آب و سیستم های رودخانه ای اهمیت دارد. در این تحقیق، یک رویکرد هوشمند ترکیبی جدید مبتنی بر رویکرد مدل رگرسیون بردار پشتیبان برای برآورد رسوبات رودخانه توسعه داده شده است. بدین منظور در این پژوهش از دو الگوریتم بهینه سازی شامل نهنگ و ازدحام ذرات برای مدلسازی میزان رسوبات معلق رودخانه بکار برده شد. جهت مدلسازی از آمار و اطلاعات ایستگاه هیدرومتری رودخانه بابلرود واقع در استان مازندران بعنوان مطالعه موردی طی ۵ سناریو ترکیبی از پارامترهای ورودی در سالهای ۱۳۸۲ تا ۱۴۰۲ 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-موجک دارای ضریب همبستگی ۹۶۲/۰ ، ریشه میانگین مرعات خطا (ton/day) ۳۴۴/۰ ، میانگین قدر مطلق خطا (ton/day) ۱۵۸/۰ و ضریب نش ساتکلیف ۹۷۰/۰ 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:

بابلرود ، رگرسیون بردار پشتیبان ، رسوبات معلق ، مدلسازی