مقایسه عملکرد مدلهای ماشین بردار پشتیبان، برنامه ریزی بیان ژن وشبکه بیزین در پیش بینی جریان رودخانه ها (مطالعه موردی: رودخانه کشکان)

پیش بینی جریان رودخانه ها یکی از مهم ترین موارد کلیدی در مدیریت و برنامه ریزی منابع آب به ویژه اتخاذ تصمیمات صحیح در مواقع سیلاب و بروز خشکسالی ها، است. برای پیش بینی میزان جریان رودخانه ها رویکردهای متنوعی در هیدرولوژی معرفی شده است که مدل های هوشمند از مهمترین آن ها می باشند. در این پژوهش جهت ارزیابی دقت مدل ها در پیش بینی جریان رودخانه، از داده های روزانه حوضه آبریز کشکان واقع در استان لرستان استفاده شده است. جهت مدلسازی جریان روزانه رودخانه کشکان از مدلهای ماشین بردار پشتیبان، برنامه ریزی بیان ژن و شبکه بیزین استفاده شد و نتایج برای بررسی صحت مدل های موردمطالعه با یکدیگر مقایسه گردید. در پژوهش های معدودی هر یک از مدل های بیان شده در پیش بینی دبی جریان روزانه موردبررسی قرارگرفته است اما هدف این پژوهش بررسی همزمان این مدل ها در یک حوضه برای پیش بینی جریان روزانه رودخانه می باشد.
مواد و در این پژوهش رودخانه کشکان واقع در استان لرستان به عنوان منطقه موردمطالعه انتخاب شده و جریان روزانه مشاهداتی این حوضه در ایستگاه هیدرومتری پلدختر جهت واسنجی و اعتبارسنجی مدل ها بکار گرفته شد. برای این منظور، در ابتدا 80 درصد از داده های جریان روزانه (1390-1383) برای واسنجی مدل ها انتخاب شده و 20 درصد داده ها (1393-1391) جهت اعتبارسنجی مدل ها استفاده شد. برنامه ریزی ژن یک تکنیک برنامه ریزی خودکار است که راه حل مساله را با استفاده از برنامه ریزی کامپیوتر ارائه کرده و عضوی از خانواده الگوریتم تکاملی می باشد. ماشین بردار پشتیبان نیز یک سیستم یادگیری کارآمد بر مبنای تئوری بهینه سازی مقید است. همچنین شبکه بیزین، نمایش بامعنی روابط نامشخص مابین پارامترها در یک فرآیند می باشد و گرافی جهت دار غیر حلقوی از گره ها برای نمایش متغیرهای تصادفی و کمان ها برای نمایش روابط احتمالی مابین متغیرها به شمار می رود. معیارهای ضریب همبستگی، ریشه میانگین مربعات خطا، میانگین قدر مطلق خطا برای ارزیابی و نیز مقایسه عملکرد مدل ها در این پژوهش مورداستفاده قرار گرفت.
نتایج نشان داد هر سه مدل شبکه بیزین، برنامه ریزی بیان ژن و ماشین بردار پشتیبان، در ساختاری متشکل از 1 تا 5 تاخیر زمانی نتایج بهتری نسبت به سایر ساختارها ارائه می دهد. همچنین با توجه به معیار ارزیابی نتیجه شد که از بین مدل های به کاررفته مدل ماشین بردار پشتیبان، بیشترین دقت 910/0= R و کمترین ریشه میانگین مربعات خطا l/s 2RMSE= و کمترین میانگین قدر مطلق خطاl/s 1MAE= در مرحله صحت سنجی را دارا می باشد. همچنین این مدل در تخمین مقادیر حداقل، حداکثر و میانی عملکرد خوبی از خود نشان داده است.
درمجموع نتایج نشان داد مدل ماشین بردار پشتیبان عملکرد بهتری نسبت به مدل های شبکه بیزین و برنامه ریزی بیان ژن دارد. بنابراین مدل ماشین بردار پشتیبان می‏تواند در زمینه پیش بینی جریان روزانه رودخانه موثر بوده و در نوبه خود برای تسهیل توسعه و پیاده سازی استراتژی های مدیریت آب های سطحی مفید باشد. و گامی در اتخاذ تصمیمات مدیریتی در جهت بهبود کمیت منابع آب های سطحی ایجاد نماید.