برف و برفاب در حوضههای کوهستانی و مرتفع عامل مهم و کنترلکننده رژیم جریان محسوب شده و به عنوان منبع اصلی تأمین آب نقش بسیار مهمی را ایفا مینماید. به همین دلیل در مناطق کوهستانی هیدرولوژی برف اهمیت و ارزش زیادی دارد. علاوه بر این تخمین، شبیهسازی و پیشبینی جریان ناشی از ذوب برف و باران در زمینههای مختلف دارای اهمیت و کاربرد میباشد که از جمله آن تأمین آب شرب، کشاورزی، صنعت و تفرجگاهها، تنظیم آب رودخانهها، کنترل و هشدار سیل و برآورد سیل طراحی برای حوضه آبریز میباشد. در این پژوهش به منظور شبیهسازی جریان حاصل از ذوب برف در ایستگاههای بالادره کندوان، پیست اسکی مرند و صندوقلو واقع در استان آذربایجان شرقی از مدل شبکه عصبی MLPو ماشین بردار (SVM) در دوره آماری 92-85 استفاده گردید. از سه معیار عددی به نامهای ضریب همبستگی (CC)، جذر میانگین مربعات خطا (RMSE) و خطای مطلق میانگین (MAE) به منظور ارزیابی دقت استفاده شد. نتایج نشان داد شبکه عصبی دقت بیشتری را نسبت به ماشین بردار دارد. از بین ساختارهای مختلف شبکه عصبی، آرایش 1-6-3 با سه ورودی چگالی برف، طول نمونه برف و عمق برف بیشترین دقت را دارد.
Mohammadi B, Faizy H, Moazenzadeh R. Comparison of the performance of SVM and ANN to estimate water equivalent of snow height in East Azerbaijan
. Journal of Rainwater Catchment Systems 2017; 5 (3) :21-30 URL: http://jircsa.ir/article-1-240-fa.html
محمدی بابک، فیضی هاجر، موذن زاده روزبه. مقایسه عملکرد ماشین بردار پشتیبان و شبکه عصبی مصنوعی در برآورد ارتفاع آب معادل برف در حوضه آذربایجان شرقی. سامانههاي سطوح آبگير باران. 1396; 5 (3) :21-30
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.