بررسی کارایی مدل های ماشین بردار پشتیبان (svm) و شبکه عصبی در پیش بینی دبی ورودی به سد گلستان

به منظور آگاهی از شرایط آینده و برنامه ریزی برای تخصیص بهینه منابع آب به بخش های مختلف از قبیل شرب، کشاورزی و ...، پیش-بینی مقادیر جریان ورودی به سیستم منابع آب امری ضروری در مدیریت منابع آب می باشد. هدف از تحقیق حاضر پیش بینی مقادیر دبی ماهانه ورودی به سد گلستان برای آینده می باشد. بدین منظور از داده های هیدرومتری چهار ایستگاه قوچمز، پل کوسه، قره شور و اوغان و دو مدل 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 و با استفاده از معیارهای ارزیابی، در سه ایستگاه قره شور، پل کوسه و اوغان مدل ماشین بردار پشتیبان عملکرد بهتری را نسبت به مدل شبکه عصبی داشته است. و تنها در ایستگاه قوچمز عملکرد مدل شبکه عصبی بهتر بوده است. بر اساس نتایج این تحقیق، بهترین مدل برای پیش بینی دبی ماهانه ورودی به سد گلستان، مدل ماشین بردار پشتیبان می باشد.