fa مقایسه عملکرد ماشین بردار پشتیبان و شبکه عصبی مصنوعی در برآورد ارتفاع آب معادل برف در حوضه آذربایجان شرقی تخصصي Special پژوهشي Research <div style="text-align: justify;"><span style="font-family:b nazanin;"><span style="font-size:12.0pt;">برف و برفاب در حوضه&shy;های کوهستانی و مرتفع عامل مهم و کنترل&shy;کننده رژیم جریان محسوب شده و به عنوان منبع اصلی تأمین آب نقش بسیار مهمی را ایفا می&shy;نماید. به همین دلیل در مناطق کوهستانی هیدرولوژی برف اهمیت و ارزش زیادی دارد. علاوه بر این تخمین، شبیه&shy;سازی و پیش&shy;بینی جریان ناشی از ذوب برف و باران در زمینه&shy;های مختلف دارای اهمیت و کاربرد می‌باشد که از جمله آن تأمین آب شرب، کشاورزی، صنعت و تفرجگاه&shy;ها، تنظیم آب رودخانه&shy;ها، کنترل و هشدار سیل و برآورد سیل طراحی برای حوضه آبریز می‌باشد. در این پژوهش به منظور شبیه&shy;سازی جریان حاصل از ذوب برف در ایستگاه&shy;های بالادره کندوان، پیست اسکی مرند و صندوقلو واقع در استان آذربایجان شرقی از مدل شبکه عصبی </span></span><span dir="LTR"><span style="font-family:times new roman,serif;"><span style="font-size:10.0pt;">MLP</span></span></span> <span style="font-family:b nazanin;"><span style="font-size:12.0pt;">و ماشین بردار </span></span><span style="font-family:b nazanin;"><span style="font-size:10.0pt;">(</span></span><span dir="LTR"><span style="font-family:times new roman,serif;"><span style="font-size:10.0pt;">SVM</span></span></span><span style="font-family:b nazanin;"><span style="font-size:12.0pt;">) در دوره آماری 92-85 استفاده گردید. از سه معیار عددی به نام&shy;های ضریب همبستگی (</span></span><span style="font-family:times new roman,serif;"><span style="font-size:10.0pt;">CC</span></span><span style="font-family:b nazanin;"><span style="font-size:12.0pt;">)، جذر میانگین مربعات خطا (</span></span><span dir="LTR"><span style="font-family:times new roman,serif;"><span style="font-size:10.0pt;">RMSE</span></span></span><span style="font-family:b nazanin;"><span style="font-size:12.0pt;">) و خطای مطلق میانگین (</span></span><span dir="LTR"><span style="font-family:times new roman,serif;"><span style="font-size:10.0pt;">MAE</span></span></span><span style="font-family:b nazanin;"><span style="font-size:12.0pt;">) 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.</span></span></div> <div style="text-align: justify;"></div> <div style="text-align: justify;">Snow and snowmelt are important factors controlling flow regimes in mountainous basins and provide most of the water. As a result, snow hydrology is of great value in mountainous areas. Estimation, simulation and prediction of flow resulting from rain and snowmelt has applications in provision of drinking and irrigation water, water control in rivers, flood control and flood warning systems, and estimations of flood damage in a basin. In this study, flow resulting from snowmelt was simulated using the MLP neural network and support vector machine (SVM) models for the Baladarreh Kandovan, Marand ski resortand, and Sandoghlu ski resort stations in the East Azerbaijan Province in the 2006-2013 period. The coefficient of correlation, root-mean-square error (RMSE), and mean absolute error (MAE) were used to evaluate accuracy. The results indicate that the neural network model had better accuracy compared to the SVM model. Among the different arrangements of neural networks, the 3-6-1 arrangement with snow density, length of snow sample, and snow depth had the highest accuracy.</div> <br> &nbsp;<br> &nbsp; ارتفاع آب معادل برف , ماشین بردار پشتیبان , شبکه عصبی , آذربایجان شرقی Water equivalent of snow height, Support vector machine, Neural network, East Azerbaijan 21 30 http://jircsa.ir/browse.php?a_code=A-10-413-6&slc_lang=fa&sid=1 Babak Mohammadi بابک محمدی babakmsh@yahoo.com 10031947532846002374 10031947532846002374 Yes University of Tabriz دانشگاه تبریز Hajar Faizy هاجر فیضی babakm71@gmail.com 10031947532846002375 10031947532846002375 No University of Tabriz دانشگاه تبریز Ruzbeh Moazenzadeh روزبه موذن زاده b.mohammadi71@ymail.com 10031947532846002376 10031947532846002376 No Shahroud University of Technology دانشگاه صنعتی شاهرود