کاربرد مدل های SVR و GRNN در تخمین حداکثر عمق فرسایش در شرایط بستر متحرک در تلاقی رودخانه ها

تلاقی رودخانه ها یکی از پیچیده ترین مکان ها در سیستم رودخانه ها می باشد که درنتیجه آن، پیش بینی حداکثر عمق آبشستگی (Ds) با استفاده از مدل های هوشمند که قادر به لحاظ این پیچیدگی ها می باشند امری مهم و ضروری می باشد. بنابراین در تحقیق حاضر، عملکرد دو مدل هوش مصنوعی به نام های SVR(با لحاظ روش های اعتبارسنجی مختلف، شامل train-test، K-Fold و leave-one-out) و GRNN مورد بررسی قرار گرفته است. نتایج حاصل نشان دادند که اگرچه تمام مدل ها در پیش بینی Ds دقت تقریبا خوبی دارند؛ اما مدل SVR با روش اعتبارسنجی train-test دقت بالاتری را نشان می دهد (به ترتیب با R2، MAE، MARE، RMSE و NSE برابر با 66/95، 0124/0 ، 26/4، 0168/0 و 993/0)، و بعد از آن به ترتیب مدل های SVR leave-one-out، SVR K-Fold (در K=9) و مدل GRNN را می توان به عنوان دقیق ترین مدل ها در این تحقیق پیشنهاد نمود.