مقایسه عملکرد ماشین بردار پشتیبان و شبکه عصبی مصنوعی در برآورد ارتفاع آب معادل برف در حوضه آذربایجان شرقی

برف و برفاب در حوضه های کوهستانی و مرتفع عامل مهم و کنترل کننده رژیم جریان محسوب شده و به عنوان منبع اصلی تامین آب نقش بسیار مهمی را ایفا می نماید. به همین دلیل در مناطق کوهستانی هیدرولوژی برف اهمیت و ارزش زیادی دارد. علاوه بر این تخمین، شبیه سازی و پیش بینی جریان ناشی از ذوب برف و باران در زمینه های مختلف دارای اهمیت و کاربرد می باشد که از جمله آن تامین آب شرب، کشاورزی، صنعت و تفرجگاه ها، تنظیم آب رودخانه ها، کنترل و هشدار سیل و برآورد سیل طراحی برای حوضه آبریز می باشد. در این پژوهش به منظور شبیه سازی جریان حاصل از ذوب برف در ایستگاه های بالادره کندوان، پیست اسکی مرند و صندوقلو واقع در استان آذربایجان شرقی از مدل شبکه عصبی mlp و ماشین بردار (svm) در دوره آماری 92-85 استفاده گردید. از سه معیار عددی به نام های ضریب همبستگی (cc)، جذر میانگین مربعات خطا (rmse) و خطای مطلق میانگین (mae) به منظور ارزیابی دقت استفاده شد. نتایج نشان داد شبکه عصبی دقت بیشتری را نسبت به ماشین بردار دارد. از بین ساختارهای مختلف شبکه عصبی، آرایش 163 با سه ورودی چگالی برف، طول نمونه برف و عمق برف بیشترین دقت را دارد.