مقایسه مدلهای ANN و LSSVM در پیش بینی دبی ماهانه رودخانه زرینه رود (مطالعه موردی : ایستگاه هیدرومتری پل آنیان)

پیش بینی مقادیر دقیق جریان رودخانه برای مطالعات هیدرولوژیکی و زیست محیطی از اهمیت حیاتی برخوردار است . در تحقیق حاضر کارایی مدلهای شبکه عصبی مصنوعی (ANN) و حداقل مربعات ماشین بردار پشتیبان (LSSVM) در پیش بینی دبی ماهانه ایستگاه پل آنیان واقع بر روی رودخانه زرینه رود (منتهی به سد شهید کاظمی ) مورد بررسی قرار گرفت . بدین منظور دادههای اندازه گیری شده دبی جریان و بارش در مقیاس زمانی ماهانه طی دوره آماری ۱۳۹۹-۱۳۶۷ به کار گرفته شد. هفت الگوی ترکیبی متنوع بر اساس دادههای مذکور به عنوان ورودی تعریف شدند. طبق نتایج به دست آمده، در هر دو مدل، بارش مه فعلی بیشترین تاثیر مثبت را در بهبود عملکرد مدلها به همراه داشت . از سوی دیگر، نتایج حاکی از آن بود که مدل ANN با دارا بودن بیشترین مقدار ضریب تعیین (۷۹۲/۰(R۲=، کمترین ریشه میانگین مربعات خطا (۸۷۰/۱۰(RMSE= و ضریب نش -ساتکلیف برابر ۸۵۴/۰ از تطابق بهتری با مقادیر مشاهداتی برخوردار بود.