بهره گیری از روش های رگرسیون بردار پشتیبان و شبکه عصبی مصنوعی در مدلسازی بارش رواناب (مطالعه موردی: حوضه آبریز سد صفارود)

مدلسازی بارش رواناب در اکثر پروژه های مدیریت و برنامه ریزی منابع آب و کنترل سیلاب امری ضروری و پیچیده می باشد. در این تحقیق مدل هایی برای شبیه سازی فرآیند بارش رواناب در زیر حوضه سد صفا رود واقع در حوضه آبریز هلیل رود با استفاده از روش های شبکه عصبی مصنوعی پرسپترون چند لایه (MLP)، شبکه عصبی تابع شعاع مدار (RBF)، رگرسیون ماشین بردار پشتیبان با توابع کرنل خطی (SVR Linear) و پایه شعاعی (SVR RBF) در محیط نرم افزاری IBM SPSS Modeler توسعه داده شده است. بدین منظور از داده های هیدرومتری ایستگاه هنجان و داده های بارش ایستگاه های هنجان، رابر، چشمه عروس و میدان واقع در منطقه مورد مطالعه طی دوره آماری 1394-1385 در مقیاس روزانه استفاده شد. 70 درصد داده ها به عنوان داده های آموزش و 30 درصد آنها به عنوان داده های آزمون مورد استفاده قرار گرفت. پس از محاسبه ضرایب همبستگی جزئی متغیرهای بارش و دبی، شش الگوی مختلف جهت مدلسازی رواناب روزانه ایستگاه هنجان تعیین شد. مقادیر شاخص های آماری متوسط قدر مطلق خطا (MAE)، مجذور میانگین مربعات خطا (RMSE) و ضریب همبستگی (R) در بهترین الگو مرحله آزمون به ترتیب برابر 032/0، 229/0، 967/0 برای مدل SVR Linear 5 ایستگاه هنجان بدست آمدند. نتایج حاکی از عملکرد مناسب روش های MLP و SVR Linear در مدلسازی بارش رواناب در محدوده مورد مطالعه می باشد.