كاربرد مدل هيبريدي ماشين بردار پشتيبان_موجك در تخمين جريان رودخانه ها (مطالعه موردي: حوضه دز)

Application of Wavelet Support Vector machine (WSVM) model in Predicting River Flow (Case study: Dez basin

پيش بيني جريان رودخانه ها يكي از مهم ترين موارد كليدي در مديريت و برنامه ريزي منابع آب به ويژه اتخاذ تصميمات صحيح در مواقع سيلاب و بروز خشك سالي ها است. براي پيش بيني ميزان جريان رودخانه ها رويكردهاي متنوعي در هيدرولوژي معرفي شده است كه مدل هاي هوشمند از مهم ترين آن ها مي باشند. در اين پژوهش كاربرد مدل هيبريدي ماشين بردار پشتيبان_ موجك به منظور برآورد دبي رودخانه هاي حوضه آبريز دز براساس آمار آبدهي روزانه ايستگاه هاي هيدرومتري واقع در بالادست سد طي دوره آماري(1397-1387) مورد بررسي و ارزيابي قرار گرفته و كارايي آن با مدل ماشين بردار پشتيبان مقايسه شد. معيارهاي ضريب تبيين، ريشه ميانگين مربعات خطا، ميانگين قدر مطلق خطا و ضريب نش ساتكليف براي ارزيابي و مقايسه مدل ها مورد استفاده قرار گرفت. نتايج نشان داد ساختارهاي تركيبي نتايج قابل قبولي در مدل سازي دبي رودخانه ارايه مي نمايند. همچنين مقايسه مدل ها طبق معيارهاي ارزيابي نشان داد مدل هيبريدي ماشين بردار پشتيبان-موجك عملكرد بهتري در پيش بيني جريان داشته و ميتواند در زمينه پيش بيني دبي روزانه جريان مفيد باشد.

River flow prediction is one of the key issues in the management and planning of water resources, in particular the adoption of proper decisions in the event of floods and droughts. To predict the flow rate of rivers, various approaches have been introduced in hydrology, the most important of which are the intelligent models. In this study, a hybrid, model wavelet- support vector machine, was applied to estimate the discharge of Dez river basin based on the daily discharge statistics provided by the hydrometric stations located at the upstream of the dam during the statistical period (2008-2018) and its performance was compared with the support vector machine model. The correlation coefficients, root mean square error, and mean absolute error was used for evaluation and a comparison of the performance of models. The results showed that the hybrid structures presented acceptable outcomes in the modeling of river discharge. A comparison of models also showed that the hybrid model of wavelet -support vector machine has a better performance in forecasting the flow. In conclusion, the use of the WSVM model could be effective in estimating flood peak discharge.