مقايسه عملكرد مدل هاي ماشين بردار پشتيبان، برنامه ريزي بيان ژن وشبكه بيزين در پيش بيني جريان رودخانه ها (مطالعه موردي: رودخانه كشكان)

سابقه و هدف: پيش‌بيني جريان رودخانه‌ها يكي از مهم‌ترين موارد كليدي در مديريت و برنامه‌ريزي منابع آب‌ به‌ويژه اتخاذ تصميمات صحيح در مواقع سيلاب و بروز خشكسالي‌ها، است. براي پيش‌بيني ميزان جريان رودخانه‌ها رويكردهاي متنوعي در هيدرولوژي معرفي‌شده است كه مدل‌هاي هوشمند از مهمترين آن‌ها مي‌باشند. در اين پژوهش جهت ارزيابي دقت مدل‌ها در پيش‌بيني جريان رودخانه، از داده‌هاي روزانه حوضه آبريز كشكان واقع در استان لرستان استفاده‌شده است. جهت مدلسازي جريان روزانه رودخانه كشكان از مدل هاي ماشين بردار پشتيبان، برنامه‌ريزي بيان ژن و شبكه بيزين استفاده شد و نتايج براي بررسي صحت مدل‌هاي موردمطالعه با يكديگر مقايسه گرديد. در پژوهش‌هاي معدودي هر يك از مدل‌هاي بيان‌شده در پيش‌بيني دبي جريان روزانه موردبررسي قرارگرفته است اما هدف اين پژوهش بررسي همزمان اين مدل‌ها در يك حوضه براي پيش‌بيني جريان روزانه رودخانه مي‌باشد. مواد و روش: در اين پژوهش رودخانه كشكان واقع در استان لرستان به‌عنوان منطقه موردمطالعه انتخاب‌شده و جريان روزانه مشاهداتي اين حوضه در ايستگاه هيدرومتري پلدختر جهت واسنجي و اعتبارسنجي مدل‌ها بكار گرفته شد. براي اين منظور، در ابتدا 80 درصد از داده‌هاي جريان روزانه (1390-1383) براي واسنجي مدل‌ها انتخاب‌شده و 20 درصد داده‌ها (1393-1391) جهت اعتبارسنجي مدل‌ها استفاده شد. برنامه‌ريزي ژن يك تكنيك برنامه‌ريزي خودكار است كه راه‌حل مساله را با استفاده از برنامه‌ريزي كامپيوتر ارائه كرده و عضوي از خانواده الگوريتم تكاملي مي‌باشد. ماشين بردار پشتيبان نيز يك سيستم يادگيري كارآمد بر مبناي تئوري بهينه‌سازي مقيد است. همچنين شبكه بيزين، نمايش بامعني روابط نامشخص مابين پارامترها در يك فرآيند مي‌باشد و گرافي جهت‌دار غير حلقوي از گره‌ها براي نمايش متغيرهاي تصادفي و كمان‌ها براي نمايش روابط احتمالي مابين متغيرها به شمار مي‌رود. معيارهاي ضريب همبستگي، ريشه ميانگين مربعات خطا، ميانگين قدر مطلق خطا براي ارزيابي و نيز مقايسه عملكرد مدل‌ها در اين پژوهش مورداستفاده قرار گرفت. يافته‌ها: نتايج نشان داد هر سه مدل شبكه بيزين، برنامه‌ريزي بيان ژن و ماشين بردار پشتيبان، در ساختاري متشكل از 1 تا 5 تأخير زماني نتايج بهتري نسبت به ساير ساختارها ارائه مي‌دهد. همچنين با توجه به معيار ارزيابي نتيجه شد كه از بين مدل‌هاي به‌كاررفته مدل ماشين بردار پشتيبان، بيشترين دقت 0/910= R و كمترين ريشه ميانگين مربعات خطا l/s 2RMSE= و كمترين ميانگين قدر مطلق خطاl/s 1MAE= در مرحله صحت سنجي را دارا مي‌باشد. همچنين اين مدل در تخمين مقادير حداقل، حداكثر و مياني عملكرد خوبي از خود نشان داده است. نتيجه‌گيري: درمجموع نتايج نشان داد مدل ماشين بردار پشتيبان عملكرد بهتري نسبت به مدل‌هاي شبكه بيزين و برنامه‌ريزي بيان ژن دارد. بنابراين مدل ماشين بردار پشتيبان مي‏تواند در زمينه پيش‌بيني جريان روزانه رودخانه مؤثر بوده و در نوبه خود براي تسهيل توسعه و پياده‌سازي استراتژي‌هاي مديريت آب‌هاي سطحي مفيد باشد. و گامي در اتخاذ تصميمات مديريتي در جهت بهبود كميت منابع آب‌هاي سطحي ايجاد نمايد.