مدلسازی رواناب ماهانه با استفاده از روش های داده کاوی براساس الگوریتمهای انتخاب ویژگی

باتوجه به اهمیت مقدار جریان خروجی از حوضه آبریز جهت مدیریت آبهای سطحی، فهم دقیق ارتباط بین مقدار رواناب با پارامترهای اقلیمی همچون بارش و دما و شناسائی موثرترین پارامتر در فرآیند مدلسازی بسیار مهم می باشد. در این تحقیق پس از آزمون همگنی داده های بارش، دما و رواناب ماهانه حوضه آبریز ناورود، ابتدا براساس دو الگوریتم رلیف و همبستگی دو ترکیب مختلف از پارامترهای موثر در رواناب مورد توجه قرار گرفت. الگوریتم جدید رلیف با استفاده از میانگین بردار وزنی مرتبط بین داده ها و یک مقدار آستانه، ویژگی های موثر در بین یک مجموعه از داده ها را به ویژه در شرایطی که تعداد داده ها کم باشد، به ترتیب اهمیت شناسایی می کند. سپس با استفاده از دو روش رگرسیون بردار پشتیبان و نزدیک ترین همسایگی رواناب ماهانه مبتنی بر دو ترکیب ورودی پیشنهادی مدلسازی گردید. نتایج به دست آمده نشان داد، روش رگرسیون بردار پشتیبان با بهرهگیری از تابع کرنل شعاع محور نسبت به روش نزدیک ترین همسایگی از دقت بالا و خطای کمتری در برآورد رواناب به خصوص در مقادیر جریان های سیلابی برخوردار است.