كاربرد الگوريتم ماشين بردار پشتيبان و درخت تقويت‌شده براي مدل‌سازي بارش‌–‌ رواناب (مطالعه موردي: دشت تبريز)

اين پژوهش به استفاده از روش‌هاي يادگيري ماشين، به‌ويژه الگوريتم ماشين بردار پشتيبان (SVM) و درخت تقويت‌شده (BT)، براي شبيه‌سازي بارش و رواناب در دو ايستگاه آخولا و پل سنيخ پرداخته است. داده‌هاي هواشناسي و هيدرومتري از 24 ايستگاه زيرحوضه تبريز از شركت آب منطقه‌اي و سازمان هواشناسي استان آذربايجان شرقي جمع‌آوري شدند. مقادير بارش و رواناب به‌عنوان ورودي به مدل با تأخير زماني يك‌روزه وارد شده و سپس مقادير رواناب ماهانه با استفاده از معيارهاي ارزيابي با مشاهدات ماهانه تخمين زده شده مقايسه شدند. نتايج نشان داد كه در هر دو دوره مطالعه، براي ايستگاه آخولا، مدل SVM عملكرد بهتري نسبت به مدل BT داشت و در ايستگاه پل سنيخ، مدل BT عملكرد بهتري نسبت به مدل SVM ارائه كرد. همچنين، مقدار همبستگي متقابل براي دو دوره مطالعاتي در ايستگاه آخولا به‌ترتيب برابر با 0.83 و 0.82 و ايستگاه پل سنيخ 0.83 و 0.77 به‌دست آمد. در نتايج سري زماني نيز، روند مشخصي براي بارش در طول دوره مشاهده نشد، اما دبي رودخانه‌ها در ايستگاه آخولا و پل سنيخ، به‌ويژه بعد از سال 1374، روند كاملاً نزولي داشته است. از جمله دلايل اصلي اين كاهش مي تواند رواناب، توسعه كشاورزي و صنعت باشد.