بهینه‌سازی مدل‌های برآورد بار معلق به کمک پارامترهای زمین ریخت‌شناسی و تکنیک کاهش ویژگی

برآورد بار رسوبی رودخانه‌ها از مهم‌ترین چالش‌های مهندسی رودخانه محسوب می‌شود. به همین دلیل تاکنون مدل‌های مختلفی با ساختارهای گوناگون جهت برآورد بار رسوبی ارائه گردیده است. در این مطالعه به بررسی کارایی پارامترهای ژئومورفومتری و تکنیک‌های داده‌کاوی به‌منظور پیش‌بینی بار رسوب معلق در 68 حوزه واقع در دو منطقه‌ی متفاوت از ایران پرداخته‌شده است. به همین منظور شش مدل شبکه عصبی مصنوعی، رگرسیون خطی، k نزدیک‌ترین همسایه، فرآیند گوسی، ماشین بردار پشتیبان و ماشین بردار پشتیبان تکاملی بر روی دو نوع از داده‌های بار رسوب معلق (رسوب حداقل و متوسط) اجرا گردید. با هدف بهینه‌سازی مدل‌ها از پارامترهای ژئومورفومتری و دبی رودخانه به‌عنوان داده‌های ورودی‌ به مدل و از تکنیک کاهش ویژگی به‌منظور کاهش حجم فضای الگوریتم‌ها استفاده شد. نتایج ارزیابی مدل‌ها نشان داد که عملکرد مدل‌ها در داده‌های رسوب متوسط و حداقل متفاوت می‌باشد، به‌طوری‌که بهترین روش جهت پیش‌بینی رسوب متوسط رودخانه مدل فرآیند گوسی با ضریب همبستگی 0.988 و میانگین مجذور مربعات 11.004 بوده و مناسب‌ترین روش پیش‌بینی رسوب حداقل مدل ماشین بردار تکاملی با ضریب همبستگی 0.996 و میانگین مجذور مربعات 0.171 می‌باشد.