پیش بینی دبی روزانه با استفاده از مدل تلفیقی شبیه سازی-بهینه سازی SVR-PSP مطالعه موردی: رودخانه سزار

ارزیابی و پیش بینی درست از دبی رودخانه در روزها و یا ماه های آینده اهمیت فراوانی در توسعه برنامه ریزی و مدیریت منابع آب در هر منطقه دارد. امروزه تکنیک های یادگیری متعددی جهت پیش بینی متغیرهای هیدرولوژیکی بخصوص دبی مورد توجه قرار گرفته اند. با توجه به پیچیدگی روابط بین متغیرهای هیدرولوژیکی از روش های هوشمند باقابلیت یادگیری برای پیش بینی استفاده می شود. در مدلسازی به کمک روش های هوشمند دقت پیش بینی تا حد زیادی به پارامترهای یادگیری مدل وابسته می باشد. بنابراین از الگوریتم PSO برای یافتن پارامترهای بهینه SVR در این مدل استفاده شد PSO یک الگوریتم قدرتمند مبتنی بر جمعیت و مورداستفاده در حل مسایل بهینه سازی پیوسته و گسسته است. در پژوهش حاضر با استفاده از مدل تلفیقی توسعه داده شده SVR-PSO مقادیر دبی روزانه جریان رودخانه پیش بینی شد. برای پیش بینی از 6 سناریوی داده های ورودی جهت پیش بینی دقیق تر استفاده گردید. نتایج به دست آمده از سناریوی برتر RMSE آموزش و آزمون به ترتیب 1.98 و 2.86 (فرمول در متن اصلی مقاله) حاکی از آن است که الگوریتم بهینه ساز PSO توانایی خوبی در بهینه سازی پارامترهای SVR دارد. . مقایسه نتایج حاصل از پیش بینی با مقادیر واقعی عملکرد مناسب و دقت بالای روش ترکیبی SVR-PSO را نشان می دهد. به طورکلی، مدل SVR-PSO می تواند به عنوان روشی سریع ، قابل اعتماد برای پیش بینی دبی روزانه استفاده شود.

کلیدواژه ها:

پیش بینی دبی روزانه ، رودخانه سزار ، رگرسیون ماشین بردار پشتیبان ، بهینه سازی ازدحام ذرات