بهره گيري از روش هاي رگرسيون بردار پشتيبان و شبكه عصبي مصنوعي در مدلسازي بارش رواناب (مطالعه موردي: حوضه آبريز سد صفارود)

مدل سازي بارش رواناب در اكثر پروژه‌هاي مديريت و برنامه‌ريزي منابع آب و كنترل سيلاب امري ضروري و پيچيده مي‌باشد. در اين تحقيق مدل‌هايي براي شبيه‌سازي فرآيند بارش رواناب در زير حوضه سد صفا رود واقع در حوضه آبريز هليل رود با استفاده از روش‌هاي شبكه عصبي مصنوعي پرسپترون چند لايه (MLP)، شبكه عصبي تابع شعاع مدار (RBF)، رگرسيون ماشين‌ بردار پشتيبان با توابع كرنل خطي (SVR Linear) و پايه شعاعي (SVR RBF) در محيط نرم افزاري IBM SPSS Modeler توسعه داده شده است. بدين منظور از داده‌هاي هيدرومتري ايستگاه هنجان و داده‌هاي بارش ايستگاه‌هاي هنجان، رابر، چشمه عروس و ميدان واقع در منطقه مورد مطالعه طي دوره آماري 1394-1385 در مقياس روزانه استفاده شد. 70 درصد داده‌ها به عنوان داده‌هاي آموزش و 30 درصد آنها به عنوان داده‌هاي آزمون مورد استفاده قرار گرفت. پس از محاسبۀ ضرايب همبستگي جزئي متغيرهاي بارش و دبي، شش الگوي مختلف جهت مدلسازي رواناب روزانه ايستگاه هنجان تعيين شد. مقادير شاخص‌هاي آماري متوسط قدر مطلق خطا (MAE)، مجذور ميانگين مربعات خطا (RMSE) و ضريب همبستگي (R) در بهترين الگو‌ مرحله آزمون به ترتيب برابر 0.032، 0.229، 0.967 براي مدل SVR Linear 5 ايستگاه هنجان بدست آمدند. نتايج حاكي از عملكرد مناسب روش‌هاي MLP و SVR Linear در مدلسازي بارش رواناب در محدوده مورد مطالعه مي‌باشد.