پیش بینی کوتاه مدت میزان جریان آب رودخانه مبتنی بر یادگیری ماشین بردار پشتیبان

پیش بینی فرآیندهای هیدرولوژیکی، از مهمترین مسائل در مدیریت حوزه های آبخیز مطرح می باشد. علاوه بر آن پیش بینی دبی رودخانه، مخصوصاً در مواقع سیلابی، به مسئولان این امکان را خواهد داد که خسارات ناشی از وقوع آنرا به حداقل رسانند. روش های مختلفی برای پیش بینی جریان آب رودخانه انجام شده است. روش های آماری براساس اطلاعات بستر رودخانه یا اطلاعات دما و بارش پیش بینی را انجام می دهند. روش های رگرسیونی بر اساس پارامترهای ورودی تخمینی از جریان آب رودخانه انجام می دهند. اخیرا محققین در این حوزه از روش های مختلف هوش مصنوعی و یادگیری ماشین استفاده کرده اند. در این پژوهش از ماشین بردار پشتیبان چندگانه برای پیش بینی جریان آب رودخانه استفاده کردیم . مجموعه داده استاندارد این پروژه شامل 11311 رکورد از اطلاعات روزانه جریان آب رودخانه filyos در ناحیه دریای سیاه در ترکیه می باشد که به صورت تصادفی 75 درصد داده ها را به عنوان داده های آموزش و 25 درصد داده ها را به عنوان داده های آزمایش در نظر گرفته ایم. به منظور آموزش از کرنل های خطی و گاوسی پایه ماشین بردار پشتیبان چندگانه استفاده شده است. در این پژوهش بر اساس آزمایش های انجام شده، ماشین بردار پشتیبان چند گانه با کرنل شعاعی گاوسی پایه، دارای میزان میانگین خطای مطلق کمتری بوده و مقدار آن در حدود 3.12 می باشد.