حامد فرهادی - دانشجوی دکتری سازه های آبی، گروه علوم و مهندسی آب دانشگاه فردوسی مشهد، ایران
کاظم اسماعیلی - گروه علوم و مهندسی آب دانشگاه فردوسی مشهد، ایران.

در این مقاله توانایی روش آموزش ماشین Support Vector Machine (SVM) در پیش بینی حداکثر دبی خروجی سیلاب ناشی از شکست سدهای خاکی بررسی  شده است. پارامترهای ورودی مدل مورد نظر، دو پارامتر مخزن در زمان شکست یعنی ارتفاع آب و حجم آب پشت سد انتخاب شد که برای آموزش این مدل ها از داده های جمع آوری شده در منابع مختلف استفاده شده است. از مجموع 112 داده، 70 درصد آن جهت آموزش مدل ها و 30 درصد آن جهت صحت سنجی، به نحوی که این دو زیرمجموعه از لحاظ آماری اختلاف معنی داری نداشته باشند، انتخاب شد.  بعد از بررسی چهار مدل SVM، مشخص شد که استفاده از کرنل تابع پایه شعاعی بهترین نتیجه را در تخمین این پدیده حاصل می دهد (نتایج آماری این روش در تخمین پدیده مورد نظر با 96/0=R2، 03/0=RMSE و 94/0=R2 و 05/0=RMSE به ترتیب در فاز آموزش و آزمون). مقایسه ای نیز بین 6 رابطه تجربی کلاسیک و مدل توصیه شده صورت گرفت که نتایج نشانگر عملکرد ضعیف روابط تجربی در مقایسه با مدل پیشنهادی است. در نهایت با توجه به اهمیت مدیریت هنگام شکست سد استفاده از روش آموزش ماشین پیشنهادی برای تخمین مقدار ماکسیمم دبی خروجی از سد پیشنهاد می شود.

آموزش ماشین, دبی سیلاب, سد خاکی, شکست سد, ماشین بردار پشتیبان, هوش مصنوعی