ارزیابی عملکرد شبکه‌های عصبی مصنوعی و ماشین‌بردار پشتیبان در بازسازی داده‌های ماهانه و فصلی بارش در ایستگاه‌های باران‌سنجی (مطالعه موردی: استان همدان)

بازسازی داده‌های بارش، از اقدامات لازم پیش از پیش‌بینی سیلاب‌ها است.گام نخست در پیش‌بینی سیلاب، پیش‌بینی میزان بارش می‌باشد. پیش‌بینی بارش در یک ایستگاه نیازمند آمار و اطلاعات دقیق و طولانی مدت ازمقدار و توزیع زمانی بارندگی در آن ایستگاه است. در پژوهش حاضر از دو مدل هوشمند شبکه عصبی مصنوعی mlp با الگوریتم پس‌انتشار و ماشین بردار پشتیبان تحت تابع rbf برای بازسازی داده‌های بارش ماهانه چهار ایستگاه باران‌سنجی واقع در استان همدان، دردوره آماری 1370 تا 1389، استفاده شد. بدین منظور مشخصه‌های مدل svm شامل ɛ، c و ɣ محاسبه شد. داده‌های ناقض ایستگاه هدف ابتدا به کمک داده‌های یک ایستگاه، سپس داده‌های دو ایستگاه و در نهایت داده‌های سه ایستگاه، بازسازی گردید. نتایج نشان دادکه با افزایش تعداد ایستگاه‌های دخیل در مرحله آموزش، عملکرد مدل‌ها بهبود می‌یابد. همچنین بر اساس نتایج حاصل شده، در بهترین حالت، مدل شبکه عصبی مصنوعی در بازسازی داده‌های بارش ماهانه و مدل ماشین بردار پشتیبان در بازسازی داده‌های بارش فصلی به‌ترتیب با مقدار خطای 12/33 و 18/82 میلی‌متر و ضریب تبیین 0/87و 0/94 نسبت به مدل دیگر از عملکرد بهتری برخوردار بودند.