برآورد جریان رودخانه‌ها با مدل هیبریدی نوین (مطالعه موردی: حوزه آبریز دز)

پیش‌بینی جریان رودخانه‌ها یکی از مهم‌ترین موارد کلیدی در مدیریت و برنامه‌ریزی منابع آب‌ به‌ویژه اتخاذ تصمیمات صحیح در مواقع سیلاب و بروز خشک‌سالی‌ها است. برای پیش‌بینی میزان جریان رودخانه‌ها رویکردهای متنوعی در هیدرولوژی معرفی‌شده است که مدل‌های هوشمند از مهم‌ترین آن‌ها می‌باشند. در این پژوهش کاربرد مدل هیبریدی ماشین بردار پشتیبان_ الگوریتم کرم شب‌تاب به‌منظور برآورد دبی رودخانه‌های حوزه آبریز دز واقع در استان لرستان بر اساس آمار آبدهی روزانه ایستگاه‌های هیدرومتری واقع در بالادست سد طی دوره آماری (1402-1392) موردبررسی و ارزیابی قرارگرفته و کارایی آن با مدل ماشین بردار پشتیبان مقایسه شد. معیارهای ضریب تبیین، ریشه میانگین مربعات خطا، میانگین قدر مطلق خطا و ضریب نش ساتکلیف برای ارزیابی و مقایسه مدل‌ها مورداستفاده قرار گرفت. نتایج نشان داد ساختارهای ترکیبی نتایج قابل قبولی در مدل سازی دبی رودخانه ارائه می‌نمایند. هم‌چنین مقایسه مدل‌ها طبق معیارهای ارزیابی نشان داد مدل هیبریدی ماشین بردار پشتیبان-الگوریتم کرم شب‌تاب عملکرد بهتری در پیش بینی جریان دارد. درمجموع این تحقیق نشان می‌دهد استفاده از مدل ترکیبی ماشین بردار پشتیبان- الگوریتم کرم شب‌تاب می‏تواند درزمینه پیش‌بینی جریان روزانه رودخانه‌ها موثر باشد. هم‌چنین، این مدل می‌تواند به‌نوبه خود برای تسهیل توسعه و پیاده‌سازی استراتژی‌های مدیریت آب‌های سطحی مفید باشد؛ و گامی در اتخاذ تصمیمات مدیریتی در جهت بهبود کمیت جریان رودخانه‌ها می‌باشد.

estimating river flows with a new hybrid model

river flow prediction is one of the key issues in the management and planning of water resources, in particular the adoption of proper decisions in the event of floods and droughts. to predict the flow rate of rivers, various approaches have been introduced in hydrology, the most important of which are the intelligent models. in this study, a hybrid, model firefly algorithm- support vector machine, was applied to estimate the discharge of dez river basin based on the daily discharge statistics provided by the hydrometric stations located at the upstream of the dam during the statistical period (2002-2022) and its performance was compared with the support vector machine model. the correlation coefficients, root mean square error, and mean absolute error was used for evaluation and a comparison of the performance of models. the results showed that the hybrid structures presented acceptable outcomes in the modeling of river discharge. a comparison of models also showed that the hybrid model of firefly algorithm-support vector machine has a better performance in forecasting the flow. in conclusion, the use of the fa-svm model could be effective in estimating flood peak discharge.