پیش بینی جریان رودخانه با استفاده از الگوریتم نزدیکترین k- همسایگی (K-NN) (مطالعه موردی: حوضه گالیکش)

پیش بینی دقیق جریان در رودخانه ها یکی از مهمترین ارکان در مدیریت منابع آبهای سطحی به ویژه اتخاد تدابیر مناسب در مواقع سیلاب و بروز خشکسالی است. در حقیقت حصول روش های مناسب و دقیق در پیش بینی جریان رودخانه ها را می توان به عنوان یکی از مهمترین چالش ها در فرآیند مدیریت و مهندسی منابع آب دانست. روش های مختلف آماری، غیرآماری و جعبه سیاه در فرایندهای پیش بینی جریان رودخانه استفاده می شوند. از میان روش های آماری، روش رگرسیون ناپارامتری k- نزدیکترین همسایگی به واسطه پایه ریاضی و سادگی ذاتی، یکی از روش های مناسب در فرایندهای پیش بینی است. از این رو، در این تحقیق از الگوریتم نزدیکترین k- همسایگی به منظور پیش بینی جریان رودخانه استفاده شده است. از دو پارامتر بارندگی و دبی روزانه حوضه آبریز گالیکش برای پیش بینی جریان روزانه استفاده شد. سپس جهت تعیین مدل های بهینه ورودی به سیستم ها، کرولوگرام داده ها، مورد بررسی قرار گرفت. در نهایت پیش بینی در 5 مدل که با دبی ها و بارش-های روز های قبل طراحی شدند، انجام شد. ارزیابی نتایج پیش بینی ها با استفاده از معیارهای گوناگون از جمله معیار ضریب همبستگی(83/0=r) و جذر میانگین مربعات خطا(1667/1=RMSE) برای آموزش نشان داد که مدل دقت بالایی در پیش-بینی داشته است و این روش می تواند به عنوان روشی کارامد و دقیق در پیش بینی جریان رودخانه به کار گرفته شود.

کلیدواژه ها:

پیش بینی ، حوضه گالیکش ، رواناب ، KNN