ارائه روشي مبتني بر هيدروليك جريان و مدل يادگيري ماشين براي پيش‌بيني دبي سيلاب رودخانه‌ها

مقدمه: تخمين صحيح دبي جريان سيلاب در رودخانه‎ها موضوع مهمي بوده و نقش قابل‎توجهي در استفاده بهينه از منابع آب، بهره‎برداري از مخازن سدها و نيز طراحي و برنامه‌ريزي پروژه‌هاي آبي ايفا مي‌كند. مواد و روش‌ها: در اين تحقيق براي تخمين دبي سيلاب، از روشي ساده و مفهومي براساس معادله مانينگ تحت شرايط واقعي جريان استفاده شده است. در اين روش، ابتدا براي تاثير توام شيب انرژي و ضريب زبري مانينگ، پارامتر آلفا (α) تعريف شده و براي 12 ايستگاه هيدرومتري واقع در سه رودخانه اصلي استان گلستان (شامل گرگانرود، اترك و قره سو) محاسبه شد. يافته‌ها: نتايج نشان داد كه مقدار اين پارامتر با افزايش عمق جريان كاهش يافته و در نهايت به‎صورت مجانب تقريباً به يك مقدار ثابت مي‎رسد. اين رفتار نشان مي‌دهد كه به ازاء عمق‌ هاي زياد جريان در رودخانه كه بيانگر وقوع سيلاب مي‌ باشد، مقدار α ثابت شده و با استفاده از اين عدد ثابت و نيز معادله مانينگ، مي توان دبي سيلاب رودخانه را برآورد نمود. در گام بعدي، سعي شد بين اين پارامتر و عمق جريان، يك رابطه رگرسيوني ارائه شود. نتايج مدل سازي رگرسيوني نشان داد كه براي اغلب ايستگاه ‌هاي هيدرومتري، ضريب تعيين (R2) روابط ارائه شده كوچكتر از 0/3 بوده و داراي كارايي لازم نيست. به‎همين دليل براي بيان اين ارتباط با كارايي و دقت بيشتر، از مدل‌هاي يادگيري ماشين استفاده شد. به اين منظور پارامتر α به‎كمك مدل هاي شبكه عصبي (ANN)، درخت تصميم (M5tree) و ماشين بردار رگرسيوني (SVR) مدل‎سازي شد. نتيجه‌گيري: نتايج مدل سازي نشان داد كه مدل درخت تصميم با ميانگين خطاي مطلق 0/35، ضريب تعيين 0/88 و خطاي ميانگين جذر مربعات 0/86 در مرحله آزمون بهترين دقت را دارا مي‌ باشد. بعد از تعيين پارامتر α، مقدار دبي سيلاب پيش بيني گرديد. بهترين عملكرد در بين مدل‎ها را درخت تصميم در پيش‎بيني دبي جريان در رودخانه‎ها دارا بود، كه پس از مقايسه با مقادير مشاهداتي، مدل درخت تصميم با ميانگين خطاي مطلق 1/32، ضريب تعيين 0/89 و خطاي ميانگين جذر مربعات 3/63 در مرحله آزمون بهترين دقت را دارا مي‎باشد.