مقایسه عملکرد ماشین بردار پشتیبان و شبکه عصبی مصنوعی در برآورد ارتفاع آب معادل برف در حوضه آذربایجان شرقی

برف و برفاب در حوضه های کوهستانی و مرتفع عامل مهم و کنترل کننده رژیم جریان محسوب شده و به عنوان منبع اصلی تامین آب نقش بسیار مهمی را ایفا می نماید. به همین دلیل در مناطق کوهستانی هیدرولوژی برف اهمیت و ارزش زیادی دارد. علاوه بر این تخمین، شبیه سازی و پیش بینی جریان ناشی از ذوب برف و باران در زمینه های مختلف دارای اهمیت و کاربرد می باشد که از جمله آن تامین آب شرب، کشاورزی، صنعت و تفرجگاه ها، تنظیم آب رودخانه ها، کنترل و هشدار سیل و برآورد سیل طراحی برای حوضه آبریز می باشد. در این پژوهش به منظور شبیه سازی جریان حاصل از ذوب برف در ایستگاه های بالادره کندوان، پیست اسکی مرند و صندوقلو واقع در استان آذربایجان شرقی از مدل شبکه عصبی MLP و ماشین بردار (SVM) در دوره آماری 92-85 استفاده گردید. از سه معیار عددی به نام های ضریب همبستگی (CC)، جذر میانگین مربعات خطا (RMSE) و خطای مطلق میانگین (MAE) به منظور ارزیابی دقت استفاده شد. نتایج نشان داد شبکه عصبی دقت بیشتری را نسبت به ماشین بردار دارد. از بین ساختارهای مختلف شبکه عصبی، آرایش 1-6-3 با سه ورودی چگالی برف، طول نمونه برف و عمق برف بیشترین دقت را دارد.