كاربرد مدل‌هاي SVR و GRNN در تخمين حداكثر عمق فرسايش در شرايط بستر متحرك در تلاقي رودخانه‌ها

تلاقي رودخانه‌ها يكي از پيچيده‌ترين مكان‌ها در سيستم رودخانه‌ها مي‌باشد كه درنتيجۀ آن، پيش‌بيني حداكثر عمق آبشستگي (Ds) بااستفاده از مدل‌هاي هوشمند كه قادر به لحاظ اين پيچيدگي ها مي باشند امري مهم و ضروري مي‌باشد. بنابراين در تحقيق حاضر، عملكرد دو مدل هوش مصنوعي به نام‌هاي SVR(با لحاظ روش هاي اعتبارسنجي مختلف، شامل traintest، KFold و leaveoneout) و GRNN مورد بررسي قرار گرفته است. نتايج حاصل نشان دادند كه اگرچه تمام مدل‌ها در پيش‌بيني Ds دقت تقريباً خوبي دارند؛ اما مدل SVR با روش اعتبارسنجي traintest دقت بالاتري را نشان مي‌دهد (به‌ترتيب با R2، MAE، MARE، RMSE و NSE برابر با 66/95، 0124/0 ، 26/4، 0168/0 و 993/0)، و بعد از آن به‌ترتيب مدل هاي SVR leaveoneout، SVR KFold (در K=9) و مدل GRNN را مي‌توان به عنوان دقيق‌ترين مدل ها‌ در اين تحقيق پيشنهاد نمود.