شبیهسازی جریان ماهانه رودخانه با استفاده از مدل رگرسیون ماشین بردار پشتیبان بهبودیافته با استفاده از الگوریتم بهینهسازی گرگ خاکستری
نویسندگان
1 دانشجوی دکتری منابع آب، گروه مهندسی آب، واحد کرمانشاه، دانشگاه آزاد اسلامی ، کرمانشاه ، ایران
2 دانشیار گروه مهندسی آب، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه،ایران
3 گروه مهندسی آب، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران
4 گروه مهندسی آب، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران
5 گروه مهندسی آب، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران
6 گروه مهندسی آب، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران .
doi
10.22059/ijswr.2024.375107.669692چکیده
اندازهگیری جریان رودخانهها یکی از مهمترین مسائل در مدیریت رودخانه است به همین دلیل همواره تلاش میشود از روشهای دقیقی برای اندازهگیری آن استفاده شود. هدف این مطالعه بهبود کارایی مدل رگرسیون بردار پشتیبان (SVR) با استفاده از الگوریتم بهینهسازی گرگ خاکستری (GWO) برای مدلسازی جریان ماهانه رودخانه است. برای این کار از دادههای ماهانه جریان ماهانه رودخانه، بارندگی و دما طی 15 سال (از سال 1400 تا 1385) استفاده شد. برای انتخاب بهترین متغیرهای ورودی به مدل SVR و GWO-SVR از روش سعی و خطا استفاده شد. بر اساس نتایج حاصل از این روش Q(t-1) R(t-1),T(t-1) بهترین متغیرهای مستقل برای شبیهسازی متغیر Q_t هستند. از 80درصد همه دادهها برای آموزش و 20 درصد دادهها برای صحتسنجی مدلهای SVR و GWO-SVR استفاده شد، از شاخصهای R^2، RMS وNSE برای ارزیابی کارایی مدلها استفاده شد. برای توسعه مدلها از توابع فعالساز خطی(LKF)، چندجمله ایی(PKF)،تابع پایه شعاعی(RBF)، سیگموید(SKF) استفاده شد. ابتدا از روش سعی و خطا برای تعیین پارامترهای توابع فعالساز استفاده شد.بر اساس نتایجحاصل از این مطاله مدل SVR با تابع فعالساز چندجمله ایی بهترین عملکرد را در مرحله آموزش و صحتسنجی دارد و با تابع فعالساز خطی بدترین عملکرد را در مرحله اموزش و صحتسنجی دارد. سپس از الگوریتم GWO برای تعیین پارامترهای توابع فعالساز استفاده شد. بر اساس نتایج حاصل مدل SVR با الگورییتم GWO عملکرد بهتری دارد. بنابرین برای شبیهسازی جریان ماهانه اب رودخانه با استفاده از این مدل بهتر است به جای روش سعی و خطا از الگوریتم GWO استفاده شود