ارزیابی مدل‌های هوش مصنوعی در مدل‌سازی جریان رودخانه، مطالعه موردی: رودخانه گاماسیاب

با پیش­بینی جریان رودخانه­‌ها علاوه‌ بر مدیریت بهره­‌برداری از منابع آب، می­‌توان حوادث طبیعی نظیر سیل و خشکسالی را نیز پیش‌­بینی و مهار کرد. استفاده از مدل­‌های جدید در این زمینه می­‌تواند به مدیریت و برنامه‌­ریزی صحیح کمک کند. در این مطالعه، به ارزیابی سه مدل به ‌نام­های، برنامه‌ریزی بیان ژن (GEP)، شبکه بیزین (BN) و ماشین بردار پشتیبان (SVM) پرداخته شده است. داده­‌های مورد استفاده برای این پژوهش، داده‌­های بارش و جریان روزانه رودخانه گاماسیاب نهاوند در یک دوره 10 ساله (1391-1381) می‌­باشد. نتایج نشانگر برتری نسبی مدل برنامه‌ریزی بیان ژن نسبت به بقیه مدل­‌ها بود و مدل ماشین بردار پشتیبان (SVM) تقریبا عملکرد بهتری نسبت به شبکه بیزین در مدل‌سازی جریان روزانه رودخانه داشت. علاوه بر این، سرعت اجرای مدل برنامه‌­ریزی بیان ژن نسبت به بقیه مدل‌ها بیشتر بود و در زمان کوتاهی قادر به ارائه نتایج بود. همچنین، مدل SVM در تخمین مقادیر کمینه پایانی نیز دچار بیش برازش شده است. در نهایت مدل برنامه‌ریزی بیان ژن با ضریب تبیین 0.9230 و جذر میانگین مربعات 0.5867 در مرحله آموزش و ضریب تبین 0.9025 و جذر میانگین مربعات 0.4936 در مرحله تست، به‌عنوان مدل برتر انتخاب شد.