مدل سازی بارش رواناب با استفاده از مدل های هوشمند هیبریدی

بارش -رواناب یکی از فرایندهای مهم در مطالعات منابع آب بشمار می‌رود. در این تحقیق فرآیند بارش -رواناب روزانه در حوضه آبریز بالیخ‌لوچای با استفاده از ماشین بردار پشتیبان، شبکه‌ های عصبی مصنوعی، هیبرید موجکماشین بردار پشتیبان و هیبرید موجکشبکه عصبی مورد مطالعه و مقایسه قرار گرفته است. داده‌ های بارش -رواناب روزانه در طول دوره آماری (1379-1387) برای آموزش و صحت‌سنجی مدل‌ ها مورد استفاده قرار گرفت. در حالت کلی نتایج حاکی از دقت قابل قبول هر چهار روش می‌باشد. از لحاظ اولویت نیز مدل هیبرید موجکشبکه عصبی با بیشترین دقت و کمترین خطا در اولویت اول و مدل‌های هیبرید موجک ماشین بردار پشتیبان، شبکه عصبی مصنوعی و ماشین بردار پشتیبان بترتیب در اولویت‌های بعدی قرار گرفتند.

RainfallRunoff Modeling Using Hybrid Intelligent Models

RainfallRunoff is considered one of the most important processes in water resources studies. In this study, to simulate the daily rainfallrunoff process of Balikhluchay Basin, four hybrid models of Support Vector Machine, Artificial Neural Networks, WaveletSupport Vector Machine, and WaveletNeural Networks have been applied and compared. Daily Rainfallrunoff data for the period of 2000 to 2008, have been used for training and testing the models. In general, the results indicated acceptable accuracy of all the models. In terms of priority, the hybrid model of WaveletNeural Network with the highest accuracy and lowest errors was in the first rank and the Hybrid models of WaveletSupport Vector Machines, Artificial Neural Networks and Support Vector Machines, were in next priorities.