پيش‌بيني فرآيند بارش- رواناب با بهره‌گيري از مدل تركيبي بهينه‌سازي تجمعي ذرات- ماشين بردار پشتيبان موجكي (مطالعه موردي: دشت سيلاخور)

مدل‌سازي و پيش‌بيني فرآيند بارش-رواناب نقش مهمي را در مديريت منابع آب، برنامه ريزي هاي شهري، عملكرد مخازن سد و... ايفا مي كند. ماشين بردار پشتيبان (SVM) به عنوان يكي از مدل هاي نوين هوش مصنوعي، از قابليت و انعطاف پذيري بالايي در پيش‌بيني داده هاي هيدرولوژيكي برخوردار است. در اين پژوهش ايده ي  مدل‌سازي  فرآيند بارش-رواناب توسط مدل تركيبي الگوريتم بهينه سازي تجمعي ذرات و ماشين بردار پشتيبان موجكي (PSO-WT-SVM) مطرح گرديده است. در ساختار الگوريتم SVM پارامترهاي ثابتي وجود دارد كه مي بايست توسط كاربر تعيين گردند بطوريكه انتخاب نامناسب اين پارامترها موجب كاهش قابل توجه كارايي مدل مي گردد. جهت حل اين مشكل از الگوريتم بهينه سازي تجمعي ذرات (PSO) براي يافتن مقادير بهينه ي پارامترهاي مدل SVM استفاده شده و مدل تركيبي PSO-SVM معرفي مي شود. در گام بعدي، با انجام عمل پيش پردازش بر روي داده ها توسط تبديل موجك (WT) مدل PSO-WT-SVM مطرح مي گردد. نهايتا سري زماني روزانه بارش-رواناب دشت سيلاخور واقع در استان لرستان توسط مدل ساده SVM و مدل هاي تركيبي PSO-SVM و PSO-WT-SVM  مدل‌سازي  و پيش‌بيني شده و دقت  مدل‌سازي  توسط دو معيار ضريب تبيين و ميانگين مربع خطاها (RMSE) مورد سنجش قرار مي گيرد. نتايج حاصل از اين  مدل‌سازي  در مرحله صحت سنجي نشان مي دهد كه مدل تركيبي PSO-SVM و PSO-WT-SVM با ضريب تبيين به ترتيب 72/0 و 89/0 جايگزين بسيار مناسبي نسبت به مدل SVM با ضريب تبيين 57/0 براي پيش‌بيني سري زماني بارش-رواناب دشت سيلاخور مي باشند.