مقایسه عملکرد روش های ماشین بردار پشتیبان و شبکه های بیزین در پیش‌بینی جریان روزانه رودخانه (مطالعه موردی: رودخانه باراندوزچای)

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشگاه شهید چمران اهواز

2 دانشگاه شهر کرد

چکیده

پیش‌بینی و برآورد جریان رودخانه برای هر منطقه و حوضه آبریز به عنوان یکی از مهمترین مراحل در استفاده بهینه از منابع آبی محسوب می‌شود. در مطالعه حاضر به منظور پیش‌بینی جریان رودخانه باراندوزچای از دو روش ماشین بردار پشتیبان (SVM) و شبکه‌های بیزین (BNs) استفاده شد. داده‌های جریان روزانه این رودخانه در محل ایستگاه آبسنجی دیزج در خلال سال‌های 1385 تا 1389 برای ایجاد مدل استفاده شد که 80 درصد داده‌ها برای آموزش و 20 درصد برای صحت-سنجی مدل به کار رفت. جهت بررسی و ارزیابی نقش حافظه در افزایش یا کاهش دقت، الگوهای ورودی متعددی به مدل‌ها معرفی شد و در نهایت مشخص گردید که با افزایش حافظه، دقت مدل‌سازی نیز افزایش می‌یابد به طوری که بیشترین دقت در الگوی سوم برای هر دو روش به دست می‌آید و سپس با افزایش حافظه از دقت مدل‌سازی کاسته می‌شود. مقایسه نتایج دو مدل نشان داد که دقت روش ماشین بردار پشتیبان با 976/0R= و (m3/s)80/1RMSE= نسبت به روش شبکه‌های بیزین با 964/0R= و (m3/s)96/1RMSE= بیشتر است.

کلیدواژه‌ها

عنوان مقاله [English]

Comparing the Performance of Support Vector machines and Bayesian Networks in predicting daily river flow (case study: Barandoozchay River)

نویسنده [English]

  • Farshad Ahmadi 1

1 Shahid Chamran university of Ahwaz

چکیده [English]

Accurate estimation of river discharge is one of the important steps to optimum use of water resources. In this study, Support Vector Machines (SVM) and Bayesian Networks (BNs) methods were used to forecast daily discharge of Barandoozchay River. The daily discharge data of Barandoozchay River measured at the Dizaj hydrometric station during 2006 to 2010 was used for modeling, which 80% of the data used for training and remaining 20% used for testing of models. For assessing the role of memory in increasing or reducing of model accuracy, we tested different combinations of input variables. The results showed that at first, the accuracy of models increased with increasing of memory, as the most accuracy obtained in third combination of input variables in both of the methods. After that, with increasing of memory, the accuracy of models decreased. Comparing the performance of SVM and BNs models indicated that the accuracy of the SVM method with the R=0.976 and RMSE=1.80 (m3/s) was slightly more than BNs method with R=0.964 and RMSE=1.96 (m3/s).

کلیدواژه‌ها [English]

  • Daily discharge forecasting
  • Bayesian Networks (BNs)
  • Support Vector Machines (SVM)
  • Barandoozchay River