تخمین داده های اندازه گیری نشده دبی ایستگاه آب‎سنجی با استفاده از مدل‎های ترکیبی رگرسیونی ماشین‎های بردار پشتیبان و راهکار فیلتر کالمن تجمیعی (مطالعه موردی: بالادست حوضه زاینده‌رود)

به‌طورمعمول داده‌های ایستگاه‌های هواشناسی جهت توسعه و صحت‎‌سنجی عملکرد مدل‌های هیدرولوژیکی به کار می‌روند. عدم ثبت و اندازه‌گیری داده‌های هیدرولوژی و هواشناسی موجب کاهش دقت مدل‌های هیدرولوژی و یا عدم امکان ساخت و توسعه آن‌ها می‌شود. در این مطالعه بازسازی خلا آماری داده‌های آب‌سنجی ایستگاه چلگرد واقع در بالادست زیر حوضه قلعه‌شاهرخ-چلگرد از حوضه آبریز زاینده‌رود مورد بررسی قرار گرفت. ایستگاه‌ یادشده میزان آورد آب تونل‌ اول کوهرنگ را اندازه‌گیری می‌کند. برای تخمین داده‌های ثبت نشده از مدل رگرسیونی ماشین بردار پشتیبان و به‌منظور بهبود عملکرد مدل‌ موردنظر و کاهش خطای شبیه‌سازی، از راهکار داده‌گواری فیلتر کالمن تجمیعی (enkf) استفاده شد. شاخص‌های ضریب همبستگی، معیار ریشه میانگین مجذور خطا و ضریب نش-ساتکلیف به‌منظور سنجش عملکرد مدل رگرسیونی جهت تخمین داده‌های دبی جریان استفاده شد. مقادیر شاخص‌های مذکور به ترتیب برابر 0/83، 3/42 و 0/71 برای مرحله آموزش و مقادیر 0/70، 20/38 و 0/25 برای مرحله آزمون بدست آمد که با به‌کارگیری enkf عملکرد مدل رگرسیونی ارتقاء یافت و نتایج قابل‌قبولی با بازتولید داده‌ها بدست آمد. برای اصلاح نتایج enkf از داده‌های ایستگاه قلعه‌شاهرخ واقع در خروجی حوضه آبریز به عنوان ایستگاه شاهد با کمک یک مدل رگرسیونی svr دوم استفاده شد. برای مدل رگرسیونی اخیر، مقادیر شاخص‌های مذکور به ترتیب برابر 0/96، 5/2 و 0/81 برای مرحله آموزش و 0/76، 6/6 و 0/66 برای مرحله آزمون به‌دست آمد.

estimation missing stream flow data of hydrometric gauge using support vector regression and ensemble kalman filter (enkf) technique (case study: upstream zayandehrud basin)

measuring and recording climate data of gauges are usually used to develop and calibrate hydrological models. missing hydrological and climate data can decrease models’ accuracy or impede developing the models. in this study, remaking the missing data of chelgerd hydrometric gauge located at the upstream of ghaleshahrokh-chelgerd sub basin as part of zayandehrud basin was surveyed. it measures the discharge from the first koohrang tunnel inflow. in order to estimate the missing data, regression support vector machine model was employed and to improve the model performance, ensemble kalman filter (enkf) was used as data assimilation technique. for evaluating the regression model performance, r, rmse and nash-sutcliff citeria were implemented. the results showed values of 0.83, 3.42, 0.7 for training part and the values of 0.70, 20.38 and 0.25 for test part of the model, for r, rmse and ns respectively. by using enkf, the performance of the regression model has been improved and acceptable results were obtained. to modify the enkf results, the data of ghaleshahrokh station as reference station located at basin outlet was used alongside a second svr model. the values of r, rmse and ns were respectively 0.96, 5.2 and 0.81 for training and 0.76, 6.6 and 0.66 for test stage.