پیش بینی دبی رودخانه کارون با استفاده از روش های ماشین بردار پشتیبان (SVM)

ماشین بردار پشتیبان (SVM) یکی از مدل های داده مبنا است، که قدمت زیادی ندارد. این مدل پس از طی یک فرآیند آموزشی قادر به دسته بندی و یا پیش گویی داده ها می باشد. این روش در ابتدا توسط وپنیک (1995) به عنوان روشی قدرتمند جهت دسته بندی داده ها معرفی گردید، در این تحقیق از شکل رگرسیونی SVM که به نام رگرسیون بردار پشتیبان (SVR) نیز شناخته می شود، به منظور مدل سازی بارش-رواناب استفاده گردیده است. در این پژوهش با بهره گیری از روش ماشین بردار پشتیبان (SVM) اقدام به پیش بینی دبی جریان روزانه رودخانه کارون واقع در استان خوزستان در ایستگاه های بامدژ شده است. داده های جریان روزانه این رودخانه در محل ایستگاه آبسنجی بامدژ در خلال سال های 1384 تا 1393 برای ایجاد مدل استفاده شد که 80 درصد داده ها برای آموزش و 20 درصد برای اعتبارسنجی مدل به کار رفت. برای ارزیابی دقیق تری از نتایج این مدل ها از چهار معیار آماری ارزیابی عملکرد: ضریب تعیین (R)، میانگین مجذور مربعات خطا (RMSE)، ضریب کارایی نش-ساتکلیف (NS) و میانگین خطای نسبی مطلق (MARE) استفاده شد. ارزیابی نتایج پیش بینی ها نشان داد، روش ماشین بردار پشتیبان (0/948=R و NS=0/880) جریان روزانه رودخانه کارون را به خوبی پیش بینی می کند.

کلیدواژه ها:

روش ماشین بردار پشتیبان (SVM) ، دبی جریان روزانه ، رودخانه کارون