تحليل منطقه اي سيلاب با مقايسه مدل هاي الگوريتم درخت تصميم گيري M5 و رگرسيوني

Regional Flood Analysis Via Comparison of The M5 Decision Tree Algorithm and Regression Models

ارزيابي فراواني سيلاب در حوضه هاي فاقدايستگاه هاي اندازه گيري،معمولاً توسط ايجاد روابط مناسب آماري(مدل ها)بين سيلاب وويژگيهاي فيزيكي حوضه انجام مي گيرد. تاكنون معادله هاي متعددي در زمينه برآورد دبي سيلاب در مناطق مختلف ارايه شده ولي با توجه به پيچيدگي اين پديده،روابط موجود نتوانسته اند دبي سيلاب طراحي رابادقت مناسب شبيه سازي كنند. برهمين اساس دراين پژوهش علاوه بر روش رگرسيوني كه در گذشته استفاده مي شد از مدل درخت تصميم گيري M5 استفاده شده است. روش‌هاي مختلف داده‌كاوي در علوم آب به دليل دقت بالا آن گسترش فراواني يافته است. مشخصات فيزيوگرافي حوضه توسط نرم افزار Arc GIS محاسبه شد. سپس كليه پارامترهاي فيزيوگرافي به همراه دوره بازگشت به عنوان داده‌هاي ورودي الگوريتم M5 و رگرسيون خطي لحاظ شد. نتايج حاصل از بررسي آماره‌هاي صحت‌سنجي نشان داد بر اساس ضريب همبستگي بين آمار برآورد شده و مشاهداتي، همچنين براساس معيارهاي جذر ميانگين مربعات خطا و ميانگين مطلق خطا، الگوريتم M5 عملكرد بهتري نسبت به روش رگرسيون در برآورد دبي سيلاب دارد.

Developing of techniques for regional flood frequency estimation in ungauged sites is one of the foremost goals of contemporary hydrology. The flood frequency evaluation for ungauged catchments is usually approached by deriving suitable statistical relationships (models) between flood statistics and basins characteristics. Already, several equations have been presented to estimate the flood frequency in different areas such as Karkheh basin. However, due to the complexity of this phenomenon, the relationships have not been capable to simulate the flood frequency with desired accuracy. Accordingly, in this study, in addition to the regression method has been used in the previous studies, the ANN and ANFIS models are applied. In fact, these are a type of black box models without any knowledge of processes within the system, in which inputs are converted into outputs (or output). This situation indicates that this type of new models is actually similar to the regression relations, however, there is further flexibility in adjusting the weights and thus can be used as a replacement to multivariate regressions.