چکیده مقاله
اطلاع از جریان رودخانه طی روزها و ماه های آینده یکی از مهم ترین پارامترهای مطرح در مدیریت منابع آب می باشد که می تواند نقش مهمی را در مدیریت جریان های سیلابی و برنامه ریزی دوره های خشکسالی ایفا نماید در این پژوهش قابلیت چهار مدل هوش مصنوعی دو مدل منفرد رگرسیون بردار پشتیبان و درخت تصمیم به همراه دو مدل ترکیبی موجک رگرسیون بردار پشتیبان و موجک درخت تصمیم برای پیش بینی جریان ماهانه رو دخانه کیارود واقع در شرق استان گیلان با یکدیگر مقایسه شد بدین منظوراز داده های دبی جریان اندازه گیری شده در ایستگاه هیدرومتری گیشاکجان و شبخوسلات واقع بر روی این رودخانه از سال آبی ۱۳۶۰ ۶۱ تا ۱۳۹۳ ۹۴ مورد استفاده قرار گرفت مدل سازی در دو بخش آموزش ۷۵% داده ها و ازمون ۲۵% داده ها صورت پذیرفت برای مقایسه نتایج مدل های مورد استفاده از شاخص های آماری ضریب همبستگی R، جذر متوسط مربعات خطا RMSE و خطای مطلق میانگین MAE استفاده شد نتایج نشان داد که پیش پردازش داده ها قبل از مدل سازی می تواند تا حد بالایی دقت نتایج را افزایش دهد از میان مدل های مورد استفاده، مدل ترکیبی موجک درخت تصمیم در هر دو مرحله آموزش RMSE=۴۷ ۷۹,MAE=۳۵ ۴۷,R=۸۳ ۶۲% و ازمون RMSE=۳۰ ۶۲,MAE=۲۳ ۳۱,R=۵۰ ۴۷% بهترین عملکرد را از خود نشان داد براساس یافته های پژوهش، مدل ترکیبی موجک درخت تصمیم به عنوان روشی کارآمد برای مدل سازی جریان ماهانه رودخانه ها پیشنهاد می شود
کلیدواژهها
نویسندگان
شیوه ارجاع
ممدی، محمدرضا و شهابی، سجاد و میرراضی، سیده سارا،1400،مقایسه چهار مدل منفرد و ترکیبی هوش مصنوعی برای پیش بینی جریان رودخانه (مطالعه موردی: رودخانه کیارود رودسر)،چهارمین کنفرانس بین المللی محاسبات نرم
ارائهشده در
مجموعه مقالات چهارمین کنفرانس بین المللی محاسبات نرم8 دی 1400