هادی ثانی خانی

پیشبینی 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 زرینه‌رود (منتهی به سد شهید کاظمی) مورد بررسی قرار گرفت. بدین منظور داده‌های اندازه‌گیری شده دبی جریان و بارش در مقیاس زمانی ماهانه طی دوره آماری 1399-1367 به‌کار گرفته شد. هفت الگوی ترکیبی متنوع بر اساس داده‌های مذکور به عنوان ورودی تعریف شدند. طبق نتایج به‌دست آمده، در هر دو مدل، بارش مه فعلی بیشترین تأثیر 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 (792/0=R2)، کمترین ریشه میانگین مربعات خطا (870/10=RMSE) و ضریب نش-ساتکلیف برابر 854/0 از تطابق بهتری با مقادیر مشاهداتی برخوردار بود.