فهرست نشریات علمی دسترسی آزاد ایران

مقدمه و هدفپیش‌بینی دقیق جریان رود به‌عنوان یک منبع مهم آب شیرین روی زمین، در مهندسی و مدیریت منابع آب ضروری است؛ از این ‌رو، توسعه‌ی فن‌آوری که آب‌دهی رود را پیش‌بینی کند، ضروری است. در این زمینه مدل‌های مختلفی به‌وسیله‌ی پژوهش‌گران پرشماری ارائه‌شده است. این مدل ها به دو دسته‌ی مدل‌های فیزیکی مبتنی بر اصول آب‌شناسی/آبی و مدل‌های مبتنی بر محاسبه‌های نرم تقسیم می‌شوند. تمام مقاله‌های چاپ‌شده شواهدی از اهمیت کاربرد مدل‌های مبتنی بر محاسبه‌های نرم برای مشکلات آب‌شناختی، به‌ویژه آب‌دهی رود هستند.مواد و روش‌هادر این پژوهش برای پیش‌بینی آب‌دهی رود فریزی از مدل برنامه‌ریزی بیان ژن (GEP) و ماشین بردار پشتیبان (SVM) استفاده شد. در این پژوهش، از گروه روزانه آب‌دهی در ده سال (1399-1390) مربوط به ایستگاه آب‌سنجی موشنگ استفاده شد. میانگین بلندی منطقه‌ی بررسی‌شده 2171 متر از سطح دریا با طول جغرافیایی "30 '49 °58 تا "30 '4 °58 شرقی و عرض جغرافیایی "1 '20 °36 تا "1 '32 °36 است. از داده‌های آب‌دهی روزانه رود از 1 تا 5 روز قبل به‌عنوان ورودی مدل‌های GEP و SVM استفاده شد. به‌منظور اطمینان از همگنی و تکمیل کمبود داده‌های آب‌دهی استفاده‌شده از آزمون ران و ضریب همبستگی میان ایسـتگاه‌های هم‌جوار اسـتفاده شد. سپس داده‌ها به‌شکل تصادفی به دو بخش، 80% برای آموزش و 20% بـرای آزمون و تعیین خطای مدل‌سازی تفکیک شدند. در مراحل آموزش و اعتبارسنجی براساس ریشه‌ی میانگین مربعات خطا (RSME)، ضریب همبستگی (R)، اریبی مدل، کارایی مدل کلینگ گوپتا (KGE) و نش-ساتکلیف (NSE) عملکرد مدل بررسی شد. در این پژوهش به‌منظور برآورد جریان ورودی به رود فریزی با کاربرد مدل SVM، سه نوع تابع کرنل رایج در آب‌شناسی شامل تابع‌های پایه‌ی خطی، چند جمله‌ای و شعاعی بررسی شد.نتایج و بحثاز میان تابع‌های گوناگون، تابع مبنای شعاعی به‌دلیل داشتن کمترین اندازه‌ی خطا برای متغیرها انتخاب شد. بهتـرین الگوی ورودی، الگوی شماره‌ی 5 بود که در آن متغیرهای آب‌دهی پیشین با پنج گام زمانی تأخیر استفاده‌‌ شد، و در مرحله‌ی آموزش در مـدل GEP و SVM بهترین عملکرد را در پیش‌بینی آب‌دهی روزانه‌ی ایسـتگاه موشنگ داشت. عملکرد مدل اعمال‌شده نشان داد که SVM (RSME = 1.15، R = 0.985، NSE = 0.85 و KGE = 0.79) در مرحله‌ی اعتبارسنجی برای پیش‌بینی آب‌دهی روزانه‌ی رود از مدل GEP (RSME = 1.65، R = 0.964، NSE = 0.78 و KGE = 0.69) دقیق‌تر است.نتیجه­ گیری و پیشنهادهااین پژوهش نشان داد که روش محاسبه‌های نرم (مانند SVM و GEP)، ابزار قدرتمندی در پیش‌بینی جریان رود است. با کاربرد این مدل‌ها می‌توان میان سنجه‌های ورودی و خروجی رابطه‌ی‌ مطلوب ایجاد کرد و امکان شبیه‌سازی دقیق جریان میانگین و حداکثر روزانه را فراهم ساخت.