پیش بینی رواناب روزانه با مدل حداقل مربعات ماشین بردار پشتیبان (LS-SVM)

مدل های داده محور از جمله ابزارهایی هستند که به منظور شبیه سازی در علوم مختلف استفاده می شوند. روش ماشین بردار پشتیبان به عنوان یکی از جدیدترین این نوع ابزارها اخیرا در علوم مرتبط با آب مورد توجه قرار گرفته است. در هیدرولوژی و منابع آب، این مدل ها با شبیه سازی فرآیند بارش-رواناب، مقدار رواناب را در حوزه های آبخیز بدون ایستگاه اندازه گیری و با حداقل زمان ممکن و کمترین هزینه برآورد می کنند. هدف از انجام این تحقیق شبیه سازی رواناب روزانه با کمک ماشین بردار پشتیبان و همچنین مقایسه نتایج آن با مدل هیدرولوژیکی Hymod می باشد. مدل Hymod نیز مدلی مفهومی بوده که رواناب را با استفاده از داده های بارش و تبخیر-تعرق پتانسیل روزانه محاسبه می نماید. ارزیابی روش-های پیش بینی رواناب مذکور با استفاده از داده های روزانه بارش و تبخیر-تعرق پتانسیل برای 5 سال (1958-1962) در حوضه معرف رودخانه لیف آمریکا به مساحت 1950 کیلومتر مربع انجام گردید. مقادیر آماره های کلینگ گوپتا (KGE)، ضریب تعیین (R2) و ضریب ناش- ساتکلیف (NSE) به ترتیب در روش ماشین بردار پشتیبان 80/0، 79/0و 78/0 و در مدل Hymod، 68/0، 79/0و 76/0 به دست آمد. نتایج نشان از برتری نسبی روش ماشین بردار پشتیبان به شبیه سازی مدل مفهومیHymod داد و بنابراین نتایج این ابزار می تواند در حوضه های بدون آمار به عنوان تخمین قابل قبول اولیه مورد لحاظ قرار گیرد.