وحید نورانی - استاد، دانشکده مهندسی عمران دانشگاه تبریز
غلامرضا عندلیب - دانشجوی دکترای سازههای هیدرولیکی دانشکده مهندسی عمران دانشگاه تبریز
فرهاد علیزاده قراملکی - دانشجوی دکترای سازههای هیدرولیکی دانشکده مهندسی عمران دانشگاه تبریز

در این تحقیق، کارایی مدل موجک-ماشین بردار پشتیبان برای پیش بینی رسوب در رودخانه ی آجی چای مورد بررسی قرار گرفته است. برای این منظور، در گام اول مقدار رسوب توسط ماشین بردار پشتیبان و شبکه عصبی مصنوعی پیش بینی شده است. سپس سری های زمانی دبی و رسوب توسط موجک به زیر سری هایی تجزیه شدند و این زیر سری ها جهت شبیه سازی رابطه دبی- رسوب وارد ماشین بردار پشتیبان و شبکه عصبی مصنوعی شدند. نتایج پیش بینی رسوب ماهانه نشان می دهند که شبکه عصبی مصنوعی با ضریب تیببینDC=0/61 خروجی بهتری نسبت به ماشین بردار پشتیبانDC=0/57 دارد. مدل موجک- ماشین بردار پشتیبان نتایج بهتری در مقایسه با مدل موجک- شبکه عصبی مصنوعی نشان می دهد و اضافه کردن موجک باعث افزایش دقت مدل های ماشین بردار پشتیبان و شبکه عصبی مصنوعی می شود، برای نمونه DCSVM=0/57 به DCWSVM= 0/74ارتقا یافته است.

پیش بینی رسوب، شبکه عصبی مصنوعیANN , ماشین بردار پشتیبان SVM , تبدیل موجک، آجی چای