ارزيابي عملكرد توابع كرنل در تخمين جريان رودخانه ها با استفاده از ماشين بردار پشتيبان

سابقه و هدف: پيش بيني دقيق رواناب رودخانه ها نقش مهمي در مديريت بهينه منابع آب در دسترس دارد. در سال هاي اخير، ماشين بردار پشتيبان (SVM) كه يكي از مهمترين مدل هاي داده كاوي است براي اين منظور مورد توجه قرار گرفته است. اين مدل يك سيستم يادگيري كارآمد بر مبناي تئوري بهينه سازي مقيد است كه از اصل استقراي كمينه سازي خطاي ساختاري استفاده كرده و منجر به يك جواب بهينه كلي مي گردد. همانند مدل هاي داده كاوي ديگر مدل SVM نيز مي تواند در مواقعي كه فقط داده هاي رواناب در دسترس مي باشد جهت شبيه سازي رواناب مورد استفاده قرار گيرد (مدل سازي خودهمبسته). به طور معمول سه تابع كرنل پايه شعاعي (RBF)، چند جمله اي درجه d و خطي در ماشين بردار پشتيبان مورد استفاده قرار مي گيرند كه كاربرد هر يك از اين توابع با پارامترهاي مختلف در تخمين رواناب رودخانه ها ممكن است منجر به نتايج متفاوتي شود. بنابراين ارزيابي كارايي و دقت هر يك از اين توابع و انتخاب تابع كرنل مناسب در پيش بيني جريان رودخانه ضروري است. همچنين از آنجا كه مدل هاي سري زماني AR، ARMA و ARIMA از مد ل هاي اصلي در شبيه سازي خودهمبسته رواناب مي باشند لذا مي توان از طريق مقايسه عملكرد هر يك از توابع كرنل با اين مدل ها، دقت نسبي اين توابع در اين زمينه را مورد بررسي قرار داد. بنابراين ارزيابي دقت هر يك از توابع كرنل در شبيه سازي رواناب ماهانه و مقايسه عملكرد آنها با مدل هاي سري زماني هدف اصلي اين تحقيق را رقم مي زند. مواد و روش ها: در اين تحقيق حوضه خرخره چاي به عنوان منطقه مورد مطالعه انتخاب شده و جريان ماهانه مشاهداتي اين حوضه در ايستگاه آب سنجي سنته جهت واسنجي و اعتبارسنجي مدل ها بكار گرفته شد. براي اين منظور، در ابتدا 75 درصد از داده هاي جريان ماهانه (1384-1367) براي واسنجي مدل ها انتخاب شده و 25 درصد داده ها (1390-1385) جهت اعتبارسنجي مدل ها استفاده شد. سپس توزيع احتمالاتي داده هاي جريان ماهانه در ايستگاه آب سنجي سنته براساس آزمون-هاي كلموگروف- اسميرنوف و شاپيرو- ويلك مورد بررسي قرار گرفته و نرمال سازي توزيع داده ها انجام گرفت. پس از بهينه سازي پارامترهاي مربوط به هر يك از توابع كرنل، مقادير جريان ماهانه در ايستگاه آب سنجي سنته پيش بيني شده و عملكرد اين توابع با استفاده از جذر ميانگين مربعات خطا (RMSE) و ضريب همبستگي (CC) مورد ارزيابي قرار گرفت. يافته ها: بررسي هاي اين تحقيق نشان داد كه اگرچه تفاوت معني دار بين نتايج سه تابع كرنل وجود ندارد، ولي تابع كرنل چند جمله اي درجه 4 با مقادير ضريب همبستگي و جذر ميانگين مربعات خطا به ترتيب برابر با 86/0 و 88/5 (مترمكعب در ثانيه) در دوره تست، در مقايسه با توابع كرنل ديگر از دقت بالا و عملكرد بهتري در پيش بيني جريان ماهانه برخوردار است. همچنين نتايج نشان داد كه مدل (6،2)ARMA با مقادير ضريب همبستگي و مجذور ميانگين مربعات خطا به ترتيب برابر با 82/0 و 47/6 (مترمكعب در ثانيه) در دوره تست، نسبت به ساير مدل هاي سري زماني عملكرد خوبي را در پيش بيني جريان ماهانه حوضه خرخره چاي دارا مي باشد. نتيجه گيري: در نهايت مقادير جريان ماهانه پيش بيني شده با استفاده از تابع كرنل چند جمله اي درجه 4 (به عنوان نماينده مدل SVM) با نتايج مدل (6،2)ARMA (به عنوان نماينده مدل هاي سري زماني) مقايسه گرديد و اين نتيجه حاصل شد كه مدل SVM از كارايي بهتري نسبت به مدل هاي سري زماني در پيش بيني جريان ماهانه حوضه خرخره چاي برخوردار است.