نوع مقاله : مقاله پژوهشی
نویسندگان
1 کارشناسی ارشد، گروه مهندسی منابع آب، دانشکده کشاورزی، دانشگاه تربیت مدرس، تهران، ایران؛ دانشجوی دکتری، گروه مهندسی منابع آب، دانشکده کشاورزی، دانشگاه ارومیه، ارومیه، ایران
2 استادیار گروه مهندسی منابع آب، دانشکده کشاورزی، دانشگاه تربیت مدرس، تهران، ایران
3 استاد گروه مهندسی منابع آب، دانشکده کشاورزی، دانشگاه تربیت مدرس، تهران، ایران
چکیده
پیشبینی آورد رودخانه از موضوعات مهم در برنامهریزی منابع آب و مدیریت عرضه و تقاضای آن محسوب میشود. از اینرو در طراحی، برنامهریزی، مدیریت و بهرهبرداری از تأسیسات آبی و همچنین مدیریت شرایط بحرانی از قبیل سیلاب و خشکسالی موردتوجه پژوهشگران است. در تحقیق حاضر با استفاده از یک رویکرد ترکیبی بر مبنای آزمون گاما و مدل ماشینبردار پشتیبان (GSVM)، پیشبینی میزان آورد، بررسیشد. بدین منظور با استفاده از آزمون گاما از ترکیبات مختلف 10 متغیر هواشناسی و هیدرولوژیکی در سطح حوضه بهترین ترکیب ممکن برای پیشبینی آورد انتخابشد. سپس باتوجه به بهترین ترکیب پیشبینیکنندهها، آورد پتانسیل رودخانه با استفاده از ماشینبردار پشتیبان پیشبینیشد. مقایسه مقادیر پیشبینیشده و مشاهداتی بیانگر کارایی مطلوب رویکرد ترکیبی در پیشبینی آورد طبیعی حوضه و تنظیم برنامه مدیریتی حوضه بر مبنای آن است. براین اساس دقت کلی مدل در پیشبینی سطوح مدیریتی خشکسالی بر مبنای آورد رودخانه زرینهرود برابر با 4/71 درصد، خطای برآورد دست بالا برابر 2/8 درصد و خطای برآورد دست پایین نیز 4/20 است. این نتایج دقت قابل قبول مدل GSVM در پیشبینی آورد در شرایط مختلف هیدرولوژیکی حوضه را نشان داد.
کلیدواژهها
موضوعات
عنوان مقاله [English]
Application of Hybrid Gamma-SVM Approach for River Flow Prediction in Zarinehrud Basin
نویسندگان [English]
- Abbas Abbasi 1
- Mahid Delavar 2
- Saeed Morid 3
1 M.Sc., Department of Water Resources Engineering, Faculty of Agriculture, Tarbiat Modares University, Tehran, Iran; PhD Scholar, Department of Water Resources Engineering, Faculty of Agriculture, Urmia University, Urmia, Iran
2 Assist. Professor, Department of Water Resources Engineering, Faculty of Agriculture, Tarbiat Modares University, Tehran, Iran
3 Professor, Department of Water Resources Engineering, Faculty of Agriculture, Tarbiat Modares University, Tehran, Iran
چکیده [English]
Prediction of river flow is an important issue in planning water resources and management of supply and demand in future conditions. Hence, it has attracted researchers’ notice due to its importancein the designing, planning, management and operation of water facilitiesand also management the critical conditions such as flood and drought. In the present study, it was attempted to improve Zarinehrud river inflow prediction for use in water resource planning using a hybrid approach based on gamma test and supporting vector machine model (GSVM). For this purpose, the best possible combination of predictors was selected from the different combinations of 10 meteorological and hydrological variables in the basin. Then, based on the best combination of predictors, the potential of river inflow was predicted using a support vector machine. Comparison of predicted and observed flow indicated the good performance of hybrid approach in prediction of potential river inflow for application in basin management plans. In this case, the overall accuracy of the model to predict drought management levels based on Zarinehrud flow is 71.4%, and the upper and under estimation error are 8.2 and 20.4% respectively. These results show the acceptable precision of GSVM model for flow prediction in different hydrological situations of basin.
Application of Hybrid Gamma-SVM Approach for River Flow Prediction in Zarinehrud Basin
کلیدواژهها [English]
- Gamma Test
- Flow Prediction
- Zarinehrud
- Support Vector Machine