استفاده از مدل های سری زمانی، شبکه عصبی و ماشین بردار پشتیبان جهت پیش بینی دبی ورودی به سد گرگان

پیش بینی مقادیر جریان ورودی به سیستم منابع آب به منظور آگاهی از شرایط آینده و برنامه ریزی برای تخصیص بهینه منابع آب به بخش های مختلف از قبیل شرب، کشاورزی و صنعتی امری ضروری در مدیریت منابع آب می باشد. هدف از پژوهش حاضر پیش بینی مقادیر دبی ماهانه ورودی به سد گرگان برای آینده بود. بدین منظور از داده های هیدرومتری ایستگاه قزاقلی با دوره آماری 47 سال و سه مدل سری زمانی، شبکه عصبی و ماشین بردار پشتیبان جهت پیش بینی استفاده شد و نتایج مدل های مختلف مورد مقایسه قرار گرفت. با توجه به نتایج به دست آمده در مدل سری زمانی بر اساس معیارهای آکاییک و شوارتز، مدل(1,0,1)  arima (1,0,0)به عنوان مدل بهینه انتخاب شد. در مدل شبکه عصبی، شبکه با ورودی 2 و 10 نرون به عنوان شبکه برتر انتخاب شد و در مدل ماشین بردار پشتیبان شبکه با ورودی 1 به عنوان شبکه برتر انتخاب شد. در نهایت با توجه به نتایج به دست آمده و با توجه به معیارهای ارزیابی مدل ها، مدل ماشین بردار پشتیبان بهترین عملکرد را نسبت به دو مدل دیگر داشت. مقادیر rmse و aare برای مدل ماشین بردار پشتیبان به ترتیب 5.31 و 1.07، برای مدل شبکه عصبی به ترتیب 9.88 و 2.78 و برای مدل سری زمانی به ترتیب 8.84 و 1.20 به دست آمد. بر اساس نتایج این پژوهش، بهترین مدل برای پیش بینی دبی ماهانه ورودی به سد گرگان مدل ماشین بردار پشتیبان می باشد.