پیش بینی مقادیر دبی روزانه رودخانه تالار با استفاده از مدل یادگیری کندرو

توسعه تکنیک های مختلف جهت پیش بینی کوتاه مدت و بلندمدت دبی ساعتی، روزانه، ماهانه و سالانه جریان به منظور مدیریت منابع آب و پروژه های عمرانی سابقه طولانی دارد. در دهه های اخیر، تکنیک های یادگیری متعددی به طور گسترده جهت پیش بینی دبی و سایر متغیرهای هیدرولوژیک مورد توجه قرار گرفته اند. پژوهش حاضر با هدف پیش بینی مقادیر دبی روزانه با استفاده از بهینه ترین تعداد داده های ورودی در رودخانه منتهی به رود تالار واقع در حوزه آبخیز کسیلیان انجام گرفت. بدین منظور از سه مدل ثابت ،conll.c، خطی linll.c و درجه دو quall.c الگوریتم یادگیری محلی کندرو که از کارایی قابل توجهی در شبیه سازی پارامترهای متغیر با داده های ورودی کم برخوردار هستند و همچنین با استفاده از سری داده های ورودی 6، 8، 10، 15، 20 روز قبل، یک و دو ماه قبل، یک، دو و سه فصل قبل و در نهایت یک و دو سال قبل استفاده گردید. نتایج به دست آمده از چندین هزار مدل تعلیمی تهیه شده نشان داد که مدل ثابت با داده های دبی روزانه ی 60 روز گذشته با حداقل خطای 0/001 به مقدار واقعی نزدیک تر بوده است. نتایج به دست آمده از مقادیر محاسبه شده RMSE و MAE حاکی از آن است که الگوریتم یادگیری محلی کندرو علی رغم محدودیت های موجود از جمله حساسیت بسیار بالا به همسایگی، از کارایی بالایی در شبیه سازی سری های زمانی با خطای نسبتا پایین RMSE کمتر از 0/06 برخوردار می باشد.

کلیدواژه ها:

حوزه آبخیز کسیلیان ، دبی روزانه ، مدل یادگیری محلی کندرو ، نزدیکترین همسایگی