مقايسه مدل هاي ماشين بردار و شبكه عصبي تابع پايه شعاعي در پيش بيني كيفيت آب سيمينه رود

در اين پژوهش عملكرد روش هاي ماشين بردار پشتيبان و شبكه عصبي تابع پايه شعاعي در پيش بيني كيفيت آب سيمينه رود مقايسه شده است. براي اين منظور پارامترهاي نسبت جذب سديم و يون كلر به عنوان شاخص هاي كيفيت آب در مصارف كشاورزي در نظر گرفته شد. از داده هاي اندازه گيري شده يون سديم، كلسيم، منيزيم، pH، EC و دبي جريان به عنوان ورودي مدل ها طي يك دوره آماري 12ساله (1393 1382) در مقياس ماهانه استفاده شد. ارزيابي نتايج بر اساس معيارهاي ضريب همبستگي، جذر ميانگين مربعات خطا و ميانگين خطاي مطلق انجام شد. نتايج دوره صحت سنجي در 4 ايستگاه پلبوكان، داشبند بوكان، قزل‌گنبد و كاولان نشان داد كه مدل ماشين بردار پشتيبان در مقايسه با شبكه عصبي تابع پايه شعاعي، داراي ضريب همبستگي بهتر(71.SVM: 0 تا 0.94، RBF: 0.3 تا 0.5)، ريشه ميانگين مربعات خطاي كمتر (SVM: 0.028 تا 0.075 mg/l، RBF: 0.0672 تا 0.317 mg/l)، خطاي ميانگين مطلق كمتر (SVM: 0.003 تا 0.033 و mg/l، RBF: 0.087 تا 0.19 mg/l) براي پارامتر يون كلر و با همان ترتيب مقادير SVM: 0.63 تا 0.88 و RBF: 0.21 تا 0.38، SVM: 0.0013 تا 0.082 mg/l و RBF: 0.0147 تا 0/025 و mg/l، SVM: 0.0085 تا 0.046 mg/l و RBF: 0.0653 تا 0.0996 mg/l براي نسبت جذب سديم است. لذا بر اساس نتايج مدل ماشين بردار پشتيبان نسبت به مدل شبكه عصبي تابع پايه شعاعي از دقت و عملكرد بهتري براي پيش بيني پارامترهاي كيفيت آب رودخانه سيمينه رود برخوردار است.