ارزيابي عملكرد شبكه‌هاي عصبي مصنوعي و ماشين‌بردار پشتيبان در بازسازي داده‌هاي ماهانه و فصلي بارش در ايستگاه‌هاي باران‌سنجي (مطالعه موردي: استان همدان)

بازسازي داده‌هاي بارش، از اقدامات لازم پيش از پيش‌بيني سيلاب‌ها است.گام نخست در پيش‌بيني سيلاب، پيش‌بيني ميزان بارش مي‌باشد. پيش‌بيني بارش در يك ايستگاه نيازمند آمار و اطلاعات دقيق و طولاني مدت ازمقدار و توزيع زماني بارندگي در آن ايستگاه است. در پژوهش حاضر از دو مدل هوشمند شبكه عصبي مصنوعي MLP با الگوريتم پس‌انتشار و ماشين بردار پشتيبان تحت تابع RBF براي بازسازي داده‌هاي بارش ماهانه چهار ايستگاه باران‌سنجي واقع در استان همدان، دردوره آماري 1370 تا 1389، استفاده شد. بدين منظور مشخصه‌هاي مدل SVM شامل Ɛ، C و ɣ محاسبه شد. داده‌هاي ناقض ايستگاه هدف ابتدا به كمك داده‌هاي يك ايستگاه، سپس داده‌هاي دو ايستگاه و در نهايت داده‌هاي سه ايستگاه، بازسازي گرديد. نتايج نشان دادكه با افزايش تعداد ايستگاه‌هاي دخيل در مرحله آموزش، عملكرد مدل‌ها بهبود مي‌يابد. همچنين بر اساس نتايج حاصل شده، در بهترين حالت، مدل شبكه عصبي مصنوعي در بازسازي داده‌هاي بارش ماهانه و مدل ماشين بردار پشتيبان در بازسازي داده‌هاي بارش فصلي به‌ترتيب با مقدار خطاي 12/33 و 18/82 ميلي‌متر و ضريب تبيين 0/87و 0/94 نسبت به مدل ديگر از عملكرد بهتري برخوردار بودند.