ارزيابي الگوريتم جنگل تصادفي و شبكه عصبي پرسپترون چند لايه در برآورد دبي روزانه رودخانه (مطالعه موردي رودخانه شيرين دره)

بررسي جريان رودخانه يكي از موارد اساسي در طراحي، بهره برداري و مطالعات مربوط به مهندسي آب است. از اين رو بكارگيري روش هاي نوين و هوشمند در هيدرولوژي و منابع آب، اخيراً توجه زيادي به خود جلب كرده است.در اين پژوهش به مدلسازي جريان روزانه رودخانه شيرين دره واقع در استان خراسان شمالي با استفاده از الگوريتم جنگل تصادفي و شبكه عصبي پرسپترون چندلايه پرداخته شد. از مجموع 1630 داده استفاده شده براي سال هاي آبي 93-1392 الي 97-1396، 1141 داده براي استفاده در مرحله آموزش و 489 داده براي استفاده در مرحله آزمون انتخاب شد. پس از مدلسازي نتايج بدست آمده با استفاده از شاخص هاي آماري R2، MBE، MAE و RMSE مورد ارزيابي قرار گرفت. سناريوي سوم الگوريتم جنگل تصادفي با مقادير R2، MBE، MAE و RMSE به ترتيب برابر با 947/0،005/0-، 149/0 و 774/0 در مرحله آموزش و 862/0، 051/0، 504/0 و 62/4 در مرحله آزمون به عنوان بهترين سناريو با بهترين عملكرد انتخاب شد. در مجموع همه سناريوهاي الگوريتم جنگل تصادفي عملكرد بهتري به نسبت شبكه عصبي مصنوعي پرسپترون چندلايه داشت. پيشنهاد مي شود در تحقيقات آني نتايج بدست آمده از الگوريتم جنگل تصادفي با ساير مدل هاي هوشمند و يادگيري ماشين مورد مقايسه قرار گيرد.