ارزیابی کارایی مدل حداقل مربعات ماشین بردار پشتیبان در پیش بینی سطح ایستابی (مطالعه موردی: دشت رامهرمز)

با توجه به شرایط موجود بر اقلیم های خشک و نیمه خشک مانند کمبود بارندگی و میزان تبخیر بالا، مدیریت صحیح و کار آمد بر منابع آب موجود اجتناب ناپذیر است. مدیریت منابع آب زیر زمینی به عنوان پر مصرف ترین منبع قابل استحصال آب یکی از ضرورت های تحقیقات مدرن است. در این مقاله، با استفاده از اطلاعات کمی چاه های مشاهداتی و پارامتر های هواشناسی دشت رامهرمز در استان خوزستان در دوره ی 5 ساله، به ارزیابی عملکرد آزمون گاما و مقایسه دقت مدل های حداقل مربعات ماشین بردار پشتیبان (ls-svm) و شبکه عصبی مصنوعی به منظور تخمین سطح ایستابی پرداخته شد. ابتدا با استفاده از روش آزمون گاما از میان پارامترهای تاثیر گذار بر سطح ایستابی، پارامترهای بهینه ورودی جهت مدل سازی تخمین سطح ایستابی از میان 127 ترکیب معین، تعیین گردید. 5 ترکیب برتر با حداقل مقدار آماره گاما نسبت به ترکیب های دیگر به دست آمد. سپس ترکیب های بهینه با استفاده از مدل حداقل مربعات ماشین بردار پشتیبان با توابع کرنل مختلف و شبکه عصبی مصنوعی مورد ارزیابی قرار گرفتند. نتایج 4 ترکیب نشان دهنده عملکرد دقیق مدل lssvm-rbf ، که در بهترین ترکیب با پارامتر مربوط به تابع rbf (99/4=2?) و شاخص های عملکرد (3401/0 rmse=و 999/0r2=) نسبت به مدل ann برتری داشت و نیز بیان گر پیش پردازش بهینه آزمون گاما بود.