بهبود عملکرد ماشین بردار پشتیبان و الگوریتم جنگل تصادفی در پیش بینی جریان رودخانه خرم آباد با استفاده از نویززدایی غیریکنواخت داده ها و الگوریتم سیمپلکس

در این مطالعه به منظور شبیه سازی جریان ماهانه رودخانه خرم آباد ابتدا سری زمانی این رودخانه طی بازه زمانی 1334-1393 با استفاده از موجک مادر دابچیز سه به سه سطح تجزیه شده است. براین اساس مشخص شد که نویز غیریکنواختی شامل دو دوره زمانی با مرز مهرماه 1387 در این سیگنال وجود دارد. با اتخاذ رویکرد آستانه گذاری فراگیر، سطح آستانه برای بازه های زمانی 1334- 1387 و 1387 -1393 به ترتیب برابر 95/5 و 21/2 مترمکعب برثانیه محاسبه شد. سپس، با طرح آستانه گذاری نرم، سیگنال های فرکانس بالا جریان رودخانه به طور غیریکنواخت نویززدایی شده است. در ادامه، با استفاده از مدل های ماشین بردار پشتیبان (نسخه های ɛ و Nu) و الگوریتم جنگل تصادفی (RF)، سیگنال اصلی و سیگنال نویززدایی شده جریان رودخانه، شبیه سازی و مقایسه شدند. نتایج صحت سنجی مدل ها نشان داد با نویززدایی غیریکنواخت سیگنال جریان رودخانه، خطای مدل ɛ از 7/5 به 1/3، مدل Nu از 8/5 به 2/3 و RF از 5 به 9/2 مترمکعب برثانیه کاهش پیدا کرده است. نتایج حاصل از مقایسه دقت محاسباتی مدل های مذکور با استفاده از آزمون مرگان گرنجر نیوبلد (MGN) به ترتیب به مقدار 7/15-، 15- و 67/10- برآورد شده است. این مقادیر، نشان از بهبود معنادار عملکرد مدل های مورد استفاده در نتیجه نویززدایی غیریکنواخت سیگنال جریان دارد. در نهایت، با کاربرد الگوریتم بهینه ساز سیمپلکس در مدل های ɛD، NuD و RFD، میانگین جریان رودخانه با دقت بالایی در هر سه مدل محاسبه شد.