اثر پیش ‌پردازش و کاهش ابعاد ورودی مدل پیش‌ بینی دبی بر عملکرد مدل رگرسیون ‌بردار‌پشتیبان بهینه ‌شده الگوریتم ژنتیک

پیش ‌بینی دقیق و صحیح جریان آب‌های سطحی در برنامه ریزی اصولی و مدیریت صحیح منابع آب نقش بسزایی دارد، برای دست یافتن به این مهم مدل‌های پیش‌بینی مختلف که با استفاده از روابط ریاضی بر پایه اطلاعات هیدرولوژی بنا شده‌اند، می‌توانند داده‌های مورد نیاز را با دقت کافی پیش‌بینی کنند. در این مطالعه از داده‌های دبی جریان ماهانه ایستگاه‌ هیدرومتری پل‌چهر در یک دوره آماری 48 ساله (1397شهریور-1350مهر) استفاده‌شد. دو سناریوی اصلی با و بدون اعمال پیش‌پردازش(استانداردسازی) با دو رویکرد سری زمانی یا غیرسری‌زمانی بررسی شد. همچنین از الگوریتم جنگل تصادفی برای بررسی کاهش ابعاد ورودی مدل استفاده شد. در هر سناریو معیارهای ارزیابی مدل تغییرات واریانس، ضریب تبیین و مجذور مربعات خطا محاسبه گردید. در همه حالت‌ها به ترتیب 80 و 20 درصد داده‌ها برای آموزش و تست مدل در نظر گرفته شده است. مدل نوشته شده به زبان برنامه‌نویسی پایتون است. از الگوریتم ژنتیک برای بهینه‌سازی پارامترهای روش رگرسیون بردار پشتیبان استفاده‌شد. نتایج نشان داد که ابتدا استاندارد‌سازی سپس درنظر نگرفتن توالی سری زمانی داده‌ها، کاهش ابعاد ورودی مدل نیز استفاده از الگوریتم ژنتیک برای بهینه‌سازی پارامترهای مدل رگرسیون بردار پشتیبان به ترتیب بیش‌ترین اثر بر دقت پیش‌بینی را دارد به طوریکه بالاترین ضریب تبیین برای داده‌های آموزش برابر 0.85 و برای تست معادل0.6 است. چنانچه عمل استاندارسازی داده‌ها صورت نگیرد منظور نمودن رویکرد سری‌زمانی و کاهش ابعاد ورودی مدل منجر به نتایج بهتری در پیش‌بینی مدل svr خواهد شد و استفاده از بهینه‌ساز الگوریتم ژنتیک نسبت به مدل ساده آن تاثیر معنی‌داری بر بهبود نتایج خواهد داشت.

the effect of preprocessing and reducing the input dimensions of the flow prediction model on optimized support vector regression by genetic algorithm

accurate and correct prediction of surface water flow plays an important role in the principled planning and proper management of water resources. to achieve this, various prediction models using mathematical relationships based on hydrological information can be used. in this study, monthly discharge of polechehr hydrometric station for a 48-year has been used (sep. 2018-october 1971). two main scenarios with and without pre-processing (standardization), two time series or non-time series approaches were considered. also, two cases with and without feature selection have been considered by a random forest algorithm. in all cases, 80% and 20% of the data are intended for model training and testing, respectively. the entire coding process is done in the python programming platform. genetic algorithm was used to optimize the parameters of the support vector regression method. the results showed that standardization, non-time series approach, reducing the dimensionality of the model input to select and also using genetic algorithm to optimize the parameters of the support vector regression model have the greatest effect on prediction accuracy, respectively. so that the highest coefficient of explanation for training data is 0.85 and for testing is equal to 0.6.if standardization is not applying on the data, adopting a time series approach and feature selection will lead to better results in predicting the svr model, and also the use of genetic algorithm optimizer compared to the simple model will have a significant effect on improving results.