فهرست نشریات علمی دسترسی آزاد ایران

پیش‌بینی دقیق دبی جریان رودخانه نقشی اساسی در مدیریت منابع آب، مهار سیلاب و بهره‌برداری بهینه از آب‌های سطحی دارد. تخمین صحیح جریان رودخانه می‌تواند به کاهش خسارات ناشی از سیل، بهبود برنامه‌ریزی‌های آبی و مدیریت پایدار حوضه‌های آبریز کمک کند. در این پژوهش، شبیه‌سازی دبی جریان رودخانه دالکی با استفاده از مدل ماشین بردار پشتیبان (SVM)  و مدل ترکیبی بردار پشتیبان - الگوریتم ژنتیک (SVR-GA) انجام شد. مدل SVM به دلیل توانایی بالا در یادگیری الگوهای پیچیده، در پیش‌بینی پدیده‌های هیدرولوژیکی مؤثر است. با این حال، تنظیم بهینه پارامترهای این مدل تأثیر قابل توجهی بر دقت پیش‌بینی دارد. ازاین‌رو، در این مطالعه از الگوریتم ژنتیک (GA)  برای بهینه‌سازی پارامترهای مدل SVM استفاده شد. نتـایج مقـایسه این دو مدل نشان داد که مـدل ترکیبی SVR-GA عملکرد بهتری نسبت به مدل SVM دارد. این مدل با بهینه‌سازی خودکار پارامترها توانست دقت پیش‌بینی را افزایش داده و خطای مدل را کاهش دهد. بنابراین، استفاده از روش‌های ترکیبی بردار پشتیبان - الگوریتم ژنتیک می‌تواند رویکرد مناسبی برای بهبود پیش‌بینی دبی رودخانه‌ها و مدیریت بهتر منابع آبی باشد.