مقايسۀ عملكرد مدل درختي M5 با مدل‌هاي شبكۀ عصبي مصنوعي و ماشين بردار پشتيبان در استخراج منحني تداوم جريان مطالعۀ موردي: ايستگاه خزانگاه رودخانۀ ارس

ﻳﻜﻲ از ﻣﻬﻢﺗﺮﻳﻦ و ﭘﺮﻛﺎرﺑﺮدﺗﺮﻳﻦ ﻋﻼﺋﻢ ﭘﺎﺳﺦ ﻫﻴﺪروﻟﻮژﻳﻚ ﺣﻮزه، ﻣﻨﺤﻨﻲ ﺗﺪاوم ﺟﺮﻳﺎن اﺳﺖ و در ﻛﺎرﺑﺮد ﻫﺎي ﻫﻴﺪروﻟﻮژﻳﻜﻲ ﺑﻲ ﺷﻤﺎري ﺑﺮاي آﻧﺎﻟﻴﺰ ﻓﺮاواﻧﻲ ﺟﺮﻳﺎنﻫﺎي ﻛﻤﻴﻨﻪ و ﺳﻴﻼب ﻣﻮرد اﺳﺘﻔﺎده ﻗﺮار ﻣﻲﮔﻴﺮد. ﺑﺮاي ﻧﻤﺎﻳﺶ ﻣﺤﺪوده ﻛﺎﻣﻞ دﺑﻲ رودﺧﺎﻧﻪ، از ﺟﺮﻳﺎن ﻫﺎي ﺣﺪاﻗﻞ ﺗﺎ ﺣﺪاﻛﺜﺮ ﺳﻴﻼب و ﻣﻨﺤﻨﻲ ﺗﺪاوم ﺟﺮﻳﺎن ) (FDCاﺳﺘﻔﺎده ﻣﻲ ﺷﻮد؛ ﺑﻨﺎﺑﺮاﻳﻦ اﺳﺘﺨﺮاج دﻗﻴﻖ اﻳﻦ ﻣﻨﺤﻨﻲ ﻫﺎ ﺑﺎ ﺣﺪاﻗﻞ ﺧﻄﺎ ﺣﺎﺋﺰ اﻫﻤﻴﺖ ﻓﺮاواﻧﻲ اﺳﺖ. در اﻳﻦ ﻣﻄﺎﻟﻌﻪ ﻛﺎراﻳﻲ ﻣﺪل درﺧﺘﻲ M5 در اﺳﺘﺨﺮاج ﻣﻨﺤﻨﻲ ﺗﺪاوم ﺟﺮﻳﺎن در ﻣﻘﺎﻳﺴﻪ ﺑﺎ ﺷﺒﻜﺔ ﻋﺼﺒﻲ ﻣﺼﻨﻮﻋﻲ و ﻣﺎﺷﻴﻦ ﺑﺮدار ﭘﺸﺘﻴﺒﺎن ﺑﺮاي اﻳﺴﺘﮕﺎه ﺧﺰاﻧﮕﺎه رودﺧﺎﻧﺔ ارس واﻗﻊ در اﺳﺘﺎن آذرﺑﺎﻳﺠﺎن ﺷﺮﻗﻲ ﺑﺮرﺳﻲ ﺷﺪ. ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ ﻧﺘﺎﻳﺞ ﺑﻪ دﺳﺖ آﻣﺪه در ﻣﺪل درﺧﺘﻲ M5، ﺗﺮﻛﻴﺐ 80 دادهﻫﺎ ﺑﺮاي آﻣﻮزش و ﻣﺎﺑﻘﻲ ﺑﺮاي ﺗﺴﺖ ﻣﺪل، ﺑﻬﺘﺮﻳﻦ ﻋﻤﻠﻜﺮد را در اراﺋﺔ ﻣﻨﺤﻨﻲ ﺗﺪاوم ﺟﺮﻳﺎن ﺑﺎ RMSE=5/47(m3/s) ،R2=0/992 و (MAE=4/38 (m3/s ﻧﺸﺎن داد. ﺑﺎ ﺑﺮرﺳﻲ ﻧﺘﺎﻳﺞ ﻣﺪل ﻫﺎي ﻣﺨﺘﻠﻒ ﺷﺒﻜﺔ ﻋﺼﺒﻲ، ﺑﻬﺘﺮﻳﻦ ﻣﺪل ﺑﺎ 2 ﻧﺮون ﺑﺮاي ﻻﻳﻪ ﻣﺨﻔﻲ ﺑﺎ ﻣﻘﺎدﻳﺮ RMSE=3/91 (m3/s) ،R2=0/997 و (MAE=3/30 (m3/s ﺑﻪ دﺳﺖ آﻣﺪ. ﺑﺮرﺳﻲ ﻋﻤﻠﻜﺮد ﻛﺮﻧﻞ RBF ﻣﺪل ﻣﺎﺷﻴﻦ ﺑﺮدار ﭘﺸﺘﻴﺒﺎن ﻧﺸﺎن داد ﻛﻪ اﻳﻦ ﻣﺪل ﺑﻬﺘﺮﻳﻦ ﻋﻤﻠﻜﺮد را در ﺷﺒﻴﻪ ﺳﺎزي ﻣﻨﺤﻨﻲ ﺗﺪاوم ﺟﺮﻳﺎن داﺷﺖ؛ ﺑﻪ ﻃﻮري ﻛﻪ داراي ﺣﺪاﻗﻞ ﻣﻘﺪار ﻣﺠﺬور ﻣﻴﺎﻧﮕﻴﻦ ﻣﺮﺑﻊ ﻫﺎي ﺧﻄﺎ (RMSE=2/98 (m3/s، ﺑﺎﻻﺗﺮﻳﻦ ﺿﺮﻳﺐ ﻫﻤﺒﺴﺘﮕﻲ R2=0/998 و ﻛﻤﺘﺮﻳﻦ ﻣﻘﺪار ﺧﻄﺎي ﻧﺴﺒﻲ(MAE=2/66 (m3/s ﺑﻮد. ﻣﻘﺎﻳﺴﺔ ﻧﺘﺎﻳﺞ ﺑﻴﻦ اﻧﻮاع ﻣﺪل ﻫﺎي ﻫﻮﺷﻤﻨﺪ ﻣﻮرد ﺑﺮرﺳﻲ، ﺑﻴﺎﻧﮕﺮ اﻳﻦ اﺳﺖ ﻛﻪ ﻫﺮ ﺳﻪ ﻣﺪل در ﺗﺨﻤﻴﻦ ﻣﻘﺎدﻳﺮ دﺑﻲ ﻣﻨﺤﻨﻲ ﺗﺪاوم ﺟﺮﻳﺎن ﻋﻤﻠﻜﺮد ﻣﻨﺎﺳﺒﻲ دارﻧﺪ؛ اﻣﺎ ﻣﺪل درﺧﺘﻲ M5 ﺑﻪ ﻋﻠﺖ ﺳﺎدﮔﻲ ﻣﺤﺎﺳﺒﺎت و اراﺋﺔ رواﺑﻂ ﺷﺪه، ﺑﻪ ﻟﺤﺎظ ﻛﺎرﺑﺮدي ﻗﺎﺑﻠﻴﺖ ﺑﻴﺸﺘﺮي ﻣﻲﺗﻮاﻧﺪ در اﺳﺘﺨﺮاج ﻣﻨﺤﻨﻲ ﺗﺪاوم داﺷﺘﻪ ﺑﺎﺷﺪ.