کنفرانس بین المللی محاسبات نرم

صفحه اصلی / چهارمین کنفرانس بین المللی محاسبات نرم

مقایسه چهار مدل منفرد و ترکیبی هوش مصنوعی برای پیش‌بینی جریان رودخانه (مطالعه موردی: رودخانه کیارود رودسر)

نویسندگان :

محمدرضا مددی¹ سجاد شهابی² سیده سارا میرراضی³

1- دانشگاه جیرفت 2- دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته 3- دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته

کلمات کلیدی :

رودخانه کیارود، رگرسیون بردار پشتیبان، موجک، پیش‌پردازش

چکیده :

اطلاع از جریان رودخانه طی روزها و ماه‌های آینده یکی از مهم‌ترین پارامترهای مطرح در مدیریت منابع آب می‌باشد که میتواند نقش مهمی را در مدیریت جریانهای سیلابی و برنامه‌ریزی دورههای خشکسالی ایفا نماید. در این پژوهش قابلیت چهار مدل هوش مصنوعی (دو مدل منفرد رگرسیون بردار پشتیبان، و درخت تصمیم به همراه دو مدل ترکیبی موجک-رگرسیون بردار پشتیبان و موجک- درخت تصمیم) برای پیش بینی جریان‌ ماهانه‌ رودخانه‌ کیارود واقع در شرق استان گیلان با یکدیگر مقایسه شد. بدین منظور از داده‌های دبی جریان اندازه گیری شده در ایستگاه هیدرومتری گیشاکجان و شبخوسلات واقع بر روی این رودخانه از سال آبی 61-1360 تا 94-1393 مورد استفاده قرار گرفت. مدلسازی در دو بخش آموزش (75% داده ها) و آزمون (25% داده ها) صورت پذیرفت. برای مقایسه نتایج مدل های مورد استفاده از شاخص‌های آماری ضریب همبستگی (R)، جذر متوسط مربعات خطا (RMSE) و خطای مطلق میانگین (MAE) استفاده شد. نتایج نشان داد که پیش پردازش داده ها قبل از مدلسازی می تواند تا حد بالایی دقت نتایج را افزایش دهد. از میان مدل های مورد استفاده، مدل ترکیبی موجک- درخت تصمیم در هر دو مرحله آموزش (R=83.62% و MAE=35.47 و RMSE=47.79) و آزمون (R=50.47%، MAE=23.31 و RMSE=30.62) بهترین عملکرد را از خود نشان داد. بر اساس یافته های پژوهش، مدل ترکیبی موجک- درخت تصمیم به‌عنوان روشی کارآمد برای مدل‌سازی جریان ماهانه رودخانه‌ها پیشنهاد می شود.