شبيه سازي خودهمبسته جريان حوضه آبريز زرينه رود با استفاده از روش تجزيه پروكراستس و مدل‌هاي شبكه عصبي مصنوعي و ماشين بردار پشتيبان

پيش بيني جريان رودخانه ها در حوضه هاي آبريز نقش مهمي در بهره برداري و مديريت صحيح منابع آبي دارد. تعيين نوع و تعداد ورودي مدل هاي تخمين گر، يكي از مهم ترين مراحل در پيش بيني جريان رودخانه ها مي باشد. بنابراين از روش تجزيه پروكراستس (PA) براي تعيين تعداد ورودي هاي موثر استفاده شده است. در اين تحقيق پيش بيني جريان با استفاده از داده هاي جريان ماهانه ايستگاه هاي آب سنجي صفاخانه و سنته انجام گرفته است. مدل شبكه عصبي مصنوعي (MLP) و مدل ماشين بردار پشتيبان (SVM) براي پيش بيني جريان مورد استفاده قرار گرفته اند. بهترين تخمين جريان با استفاده از مدل هاي MLP و PAMLP در ايستگاه آب سنجي صفاخانه به ترتيب با RMSE برابر با (m3/s) 68/5 و (m3/s) 85/4 و CC برابر با 73/0 و 78/0 و در ايستگاه آب سنجي سنته به ترتيب با RMSE برابر با (m3/s) 44/6 و (m3/s) 36/6 و CC برابر با 78/0 و 79/0 انجام شده است. مدل PASVM نيز به ترتيب با RMSE و CC برابر با (m3/s) 45/5 و 73/0 در دوره صحت سنجي نتايج بهتري را نسبت مدل SVM در تخمين جريان ايستگاه آب سنجي صفاخانه داشته است. همچنين نتايج نشان داد كه مدل‏هاي SVM و PASVM جريان ايستگاه سنته را با RMSE به ترتيب برابر با (m3/s) 85/6 و (m3/s) 03/7 تخمين زده‏اند. در حالت كلي نتايج نشان داد كه روش تجزيه پروكراستس مي تواند به عنوان يكي از روش‌هاي كارآمد و مناسب جهت تعيين تعداد ورودي موثر مورد استفاده قرار گيرد. مقايسه نتايج مدل هاي MLP و SVM نيز نشان داد كه مدل MLP از دقت بيشتري نسبت به مدل SVM برخوردار است.