ارزیابی الگوریتم جنگل تصادفی و شبکه عصبی پرسپترون چند لایه در برآورد دبی روزانه رودخانه (مطالعه موردی رودخانه شیرین دره)

بررسی جریان رودخانه یکی از موارد اساسی در طراحی، بهره برداری و مطالعات مربوط به مهندسی آب است. از این رو بکارگیری روش های نوین و هوشمند در هیدرولوژی و منابع آب، اخیراً توجه زیادی به خود جلب کرده است.در این پژوهش به مدلسازی جریان روزانه رودخانه شیرین دره واقع در استان خراسان شمالی با استفاده از الگوریتم جنگل تصادفی و شبکه عصبی پرسپترون چندلایه پرداخته شد. از مجموع 1630 داده استفاده شده برای سال های آبی 93-1392 الی 97-1396، 1141 داده برای استفاده در مرحله آموزش و 489 داده برای استفاده در مرحله آزمون انتخاب شد. پس از مدلسازی نتایج بدست آمده با استفاده از شاخص های آماری r2، mbe، mae و rmse مورد ارزیابی قرار گرفت. سناریوی سوم الگوریتم جنگل تصادفی با مقادیر r2، mbe، mae و rmse به ترتیب برابر با 947/0،005/0-، 149/0 و 774/0 در مرحله آموزش و 862/0، 051/0، 504/0 و 62/4 در مرحله آزمون به عنوان بهترین سناریو با بهترین عملکرد انتخاب شد. در مجموع همه سناریوهای الگوریتم جنگل تصادفی عملکرد بهتری به نسبت شبکه عصبی مصنوعی پرسپترون چندلایه داشت. پیشنهاد می شود در تحقیقات آنی نتایج بدست آمده از الگوریتم جنگل تصادفی با سایر مدل های هوشمند و یادگیری ماشین مورد مقایسه قرار گیرد.