مدل‌ سازي هيدروليكي منابع آب با استفاده از تكنيك‌هاي يادگيري

تحليل كمي و كيفي منابع آب امروزه به يكي از موضوعات مهم در تحقيقات منابع آب تبديل شده است. در اين تحقيق از داده كاوي، تكنيك هاي هوش مصنوعي و رياضي براي شبيه سازي رفتار آب و تخمين تغييرات پارامتريك آن استفاده شده است. نام مدل هاي بكار گرفته شده عبارتند از: مدل ماشين يادگيري نيرومند خود تطبيق SAELM، حداقل مربعات ماشين بردار پشتيبان LSSVM، مدل شبكه هاي عصبي نروفازي ANFIS و مدل آماري رگرسيون خطي چندگانه MLR كه براي تخمين پارامترهاي هيدروژئولوژيكي استفاده شده است. همچنين براي ارزيابي عملكرد مدل ها، در قالب 5 رويكرد دقت مدل ها بررسي گرديد. نتايج تحقيق نشان داد كه براساس نمودارهاي شبيه سازي و همبستگي مدل SAELM برترين مدل بود. براساس شاخص هاي ارزيابي دقت، مدل SAELM با شاخص هاي RMSE و MAPE و R به ترتيب برابر با 0.1545، 0.0070 و 0.9979 داراي بالاترين دقت در تخمين پارامترهاي هيدروژئولوژيكي بود. بر اساس تحليل عدم قطعيت ويلسون (Wilson Score method) عملكرد مدل برتر (SAELM) دست پايين (Underestimated) برآورد گرديد. همچنين براساس نمودارهاي نسبت اختلاف خطا، دقيق ترين نتايج مربوط به مدل SAELM بود. در پايان با استفاده از نمودارهاي توزيع خطا كمترين ميزان خطا به مدل SAELM اختصاص يافت.