برآورد و پیشبینی بارش و دستیابی به مقدار رواناب ناشی از آن، نقش اساسی و مؤثری را در مدیریت و بهرهبرداری صحیح از حوضه، مدیریت سدها و مخازن، به حداقل رساندن خسارات ناشی از سیلاب و خشکسالی و مدیریت منابع آب ایفا میکند. عملکرد مطلوب مدل های هوشمند باعث افزایش استفاده از آنها برای پیشبینی پدیده های مختلف هیدرولوژیکی شده است. لذا در این پژوهش، دو مدل هوشمند برنامهریزی ژنتیک و ماشین بردار پشتیبان برای پیشبینی بارش ماهانه استان اردبیل به کار گرفته شده و از داده های بارش، دما و رطوبت نسبی در مقیاس ماهانه به عنوان پارامترهای ورودی مدل ها استفاده شد. نتایج بهدست آمده نشان داد که عملکرد هر دو مدل خوب و تقریبا یکسان بوده (میانگین خطای مطلق به ترتیب 0.8 و 0.721) ولی با توجه به ارزیابی های انجام شده مدل رگرسیون بردار پشتیبان عملکرد نسبتا بهتری داشته است(ضریب همبستگی0.999). به طورکلی می توان گفت که مدل رگرسیون بردار پشتیبان برای مدلسازی و پیشبینی بارش ماهانه استان اردبیل مناسبتر بوده است.
Sharafi M, Samadian Fard S, Hashemi S. Monthly rainfall Forecasting using genetic programming and support vector machine. Journal of Rainwater Catchment Systems 2021; 8 (4) :63-71 URL: http://jircsa.ir/article-1-387-fa.html
شرفی میلاد، صمدیان فرد سعید، هاشمی سجاد. پیش بینی بارش ماهانه با استفاده از مدل های برنامه ریزی ژنتیک و ماشین بردار پشتیبان. سامانههاي سطوح آبگير باران. 1399; 8 (4) :63-71
تکمیل و ارسال فرم تعارض منافع نویسنده گرامی ، پس از ارسال مقاله ، جهت دریافت فرم، لطفا بر روی کلمه فرم تعارض منافع کلیک نمایید و پس از تکمیل، در فایل های پیوست مقاله قرار دهید.