دبی رودخانه

امروزه مدل های هیبریدی هوش مصنوعی به عنوان یک روش مناسب برای شبیه سازی پدیده های هیدرولوژیکی از جمله برآورد کمی جریان رودخانه ها مطرح است. بدین منظور جهت برآورد میزان آبدهی رودخانه ها رویکردهای متنوعی در هیدرولوژی وجود دارد که مدل های هوش مصنوعی از مهم ترین آن ها می باشد.  بنابراین در این پژوهش عملکرد مدل های رگرسیون بردار پشتیبان_ موجک، رگرسیون بردار پشتیبان_گرگ خاکستری و رگرسیون بردار پشتیبان_خفاش جهت شبیه سازی دبی رودخانه کشکان واقع در استان لرستان طی دوره ی آماری 1399-1389 در مقیاس زمانی روزانه ی مورد تجزیه و تحلیل قرار گرفت. معیارهای ضریب همبستگی، ریشه ی میانگین مربعات خطا و میانگین قدر مطلق خطا و بایاس برای ارزیابی و عملکرد مدل ها انتخاب شد. نتایج نشان داد الگوهای ترکیبی نتایج قابل قبولی در شبیه سازی دبی رودخانه دارند. مقایسه ی مدل ها نیز نشان داد مدل رگرسیون بردار پشتیبان-موجک در مرحله ی صحت سنجی مقادیر 960/0R2=، 045/0RMSE=، 024/0MAE =، 968/0NS= و001/0BIAS= در پیش بینی جریان روزانه ی رودخانه از خود نشان داده است. در مجموع نتایج نشان داد استفاده از مدل هیبریدی رگرسیون بردار پشتیبان-موجک می تواند در زمینه ی پیش بینی دبی روزانه مفید باشد.

اندازه گیری دبی رودخانه همواره یکی از چالش های اساسی در مدیریت رودخانه است. استفاده از ابزارهای دقیق برای محاسبه آن ضروری است. روش های عددی، تحلیلی، هوش مصنوعی و تجربی، رایج ترین روش ها برای اندازه گیری جریان روزانه رودخانه هستند. در این تحقیق، یک مدل هوشمند ترکیبی مبتنی بر رویکرد مدل رگرسیون بردار پشتیبان برای شبیه سازی دبی رودخانه توسعه داده شده است. بدین منظور در این پژوهش از سه الگوریتم بهینه سازی شامل موجک، تفنگدار خلاق و عنکبوت بیوه سیاه برای شبیه سازی دبی رودخانه استفاده شد. جهت مدلسازی از آمار و اطلاعات ایستگاه های هیدرومتری حوضه آبریز کرخه شامل چم انجیر، کشکان، پل زال و جلوگیر بعنوان مطالعه موردی طی4 سناریو ترکیبی از پارامترهای ورودی در سالهای 1372 تا 1402 استفاده شد. به منظور ارزیابی عملکرد مدلها از معیارهای ارزیابی ضریب همبستگی، ریشه میانگین مربعات خطا، میانگین قدر مطلق خطا و ضریب نش ساتکلیف استفاده شد. همچنین جهت تحلیل نتایج مدلها از نمودار پراکنش و خطای نسبی و تیلور استفاده شد. نتایج نشان داد سناریو های ترکیبی در مدلهای مورد بررسی باعث بهبود عملکرد مدل می شود. همچنین نتایج حاصل از معیار ارزیابی نشان داد مدل رگرسیون بردار پشتیبان-موجک دارای ضریب همبستگی 974-941/0 ، ریشه میانگین مرعات خطا (m3/s) 054-022/0 ، میانگین قدر مطلق خطا (m3/s) 011-025/0 و ضریب نش ساتکلیف 986-962/0 در مرحله صحت سنجی برخوردار است. در مجموع نتایج نشان داد استفاده از مدلهای هوشمند مبتنی بر رویکرد رگرسیون بردار پشتیبان می تواند رویکردی موثر در پایداری مهندسی رودخانه باشد.