پیش بینی جریان بر اساس مدل های داده محور درختی و شبکه عصبی مصنوعی

بررسی و برآورد سیلاب به دلیل اهمیت آن در طراحی پروژه ها ی آبی همواره از موضوعات کلیدی در زمینه هیدرولوژیبوده و محققان با به کارگیری روشهای مختلف سعی در برآورد دقیق تر جریان رودخانه داشته اند. در این راستا و درپژوهش حاضر مقادیر دبی ماهانه رودخانه کلیبر چای با به کارگیری روش های یاگیری ماشینی شامل مدل درختی M۵ وتکنیک شبکه عصبی مصنوعی (مدل پرسپترون چندلایه) پیش بینی شد. بر این اساس از داده های سری زمانی دبی وبارش در تاخیرهای ماهانه به عنوان پارامترهای ورودی مدل ها استفاده شده و نتایج به دست آمده با استفاده از شاخص هایآماری ضریب همبستگی، جذر میانگین مربعات خطا و میانگین خطای مطلق ارزیابی و با یکدیگر مقایسه شد. در نهایتمقادیر حاصل از روشهای مذکور نشان داد که در روش شبکه عصبی مصنوعی، مدل (MLP(۳ با جذر میانگین مربعاتخطا ۰۹۲ / ۱ و میانگین خطای مطلق ۶۹۴ / ۰ و در بین مدلهای درختی M۵ ، مدل (M۵(۶ با جذر میانگین مربعات خطا۹۶۸ / ۰ و میانگین خطای مطلق ۶۲۵ / ۰ ، بیشترین همبستگی را با مقادیر مشاهداتی داشته و دقیق ترین نتایج را در هرروش ثبت کردند. همچنین مشخص شد که اکثر مد لهای M۵ عملکرد بهتری از مدل های متناظر MLP داشته اند.