ارزيابي مدل هاي هيبريدي فراكاوشي در شبيه سازي جريان رودخانه ها :مطالعه موردي: رودخانه كشكان لرستان

Evaluation of Meta-heuristics Hybrid Models for the River Flow Simulation (Case Study: The River Kashkan, Lorestan, Iran

امروزه مدل­ هاي هيبريدي هوش مصنوعي به عنوان يك روش مناسب براي شبيه­ سازي پديده ­هاي هيدرولوژيكي از جمله برآورد كمي جريان رودخانه‌ها مطرح است. بدين منظور جهت برآورد ميزان آبدهي رودخانه‌ها رويكردهاي متنوعي در هيدرولوژي وجود دارد كه مدل‌هاي هوش مصنوعي از مهم‌ترين آن‌ها مي‌باشد. بنابراين در اين پژوهش عملكرد مدل­ هاي رگرسيون بردار پشتيبان_ موجك، رگرسيون بردار پشتيبان_گرگ خاكستري و رگرسيون بردار پشتيبان_خفاش جهت شبيه­ سازي دبي رودخانه‌ كشكان واقع در استان لرستان طي دوره­ي آماري 1399-1389 در مقياس زماني روزانه­ ي مورد تجزيه و تحليل قرار گرفت. معيارهاي ضريب همبستگي، ريشه ­ي ميانگين مربعات خطا و ميانگين قدر مطلق خطا و باياس براي ارزيابي و عملكرد مدل‌ها انتخاب شد. نتايج نشان داد الگوهاي تركيبي نتايج قابل قبولي در شبيه ­سازي دبي رودخانه دارند. مقايسه­ ي مدل‌ها نيز نشان داد مدل رگرسيون بردار پشتيبان-موجك در مرحله­ ي صحت ­سنجي مقادير R2 = 0.960، RMSE = 0.045، MAE = 0.024، NS = 0.968 وBIAS = 0.001 در پيش‌بيني جريان روزانه ­ي رودخانه از خود نشان داده است. در مجموع نتايج نشان داد استفاده از مدل هيبريدي رگرسيون بردار پشتيبان-موجك مي تواند در زمينه ­ي پيش‌بيني دبي روزانه مفيد باشد.

Today, hybrid models of artificial intelligence are considered as a suitable method for simulating hydrological phenomena, including quantitative estimation of river flow. For this purpose, there are various approaches in hydrology to estimate the flow rate of rivers, of which artificial intelligence models are the most important. Therefore, in this study, the performance of support vector-wavelet regression, backup vector-gray wolf regression and bat-support vector regression models to simulate the flow of Kashkan river located in Lorestan province during the statistical period of 2010-2011 in the daily time scale were analyzed. The criteria of correlation coefficient, root mean square error and mean absolute value of error and bias were selected for evaluation and performance of the models. The results showed that the hybrid models have acceptable results in simulating the river discharge. Comparison of models also showed that the support-wavelet vector regression model in the validation stage showed values ​​of R2 = 0.960, RMSE = 0.045, MAE = 0.024, NS = 0.968 and BIAS = 0.001 in predicting daily river flow. . Overall, the results showed that the use of hybrid support-wavelet regression model can be useful in predicting daily discharge.