پژوهش آب ایران

پژوهش آب ایران

ارزیابی مدل ترکیبی برآورد رواناب ماهانه با استفاده از ماشین بردار پشتیبان بر اساس تجزیه مد متغیر به همراه الگوریتم بهینه‌سازی نهنگ (حوضه مطالعاتی مشهد)

نوع مقاله : مقاله پژوهشی

نویسندگان
محمدرضا فردی راد
خسرو حسینی
گروه مهندسی آب، دانشکده مهندسی عمران، دانشگاه سمنان
10.22034/iwrj.2025.15105.2665
چکیده
بحران کمبود آب یکی از چالش‌های مهم قرن حاضر است که نیازمند رویکردهای نوین برای مدیریت پایدار منابع آب می‌باشد. پیش‌بینی دقیق رواناب، به عنوان عنصری کلیدی در این مدیریت، نقشی حیاتی در برنامه‌ریزی و تصمیم‌گیری‌های مرتبط ایفا می‌کند. در این پژوهش با هدف بهبود دقت پیش‌بینی رواناب ماهانه در منطقه مشهد، از روش پیش‌پردازش تجزیه مد متغیر VMD برای بهبود کیفیت داده‌ها و از مدل رگرسیون ماشین بردار پشتیبان SVR و شبکه عصبی حافظه طولانی کوتاه مدت LSTM برای مدل‌سازی رابطه بین ورودی‌ها و خروجی استفاده شده‌است. همچنین، الگوریتم بهینه‌ساز نهنگ WOA برای یافتن پارامترهای بهینه مدل‌ها به­کار رفته­است. در این مطالعه، مدل ترکیبی VMD-WOA-SVR-WOA معرفی و کارایی آن در برآورد رواناب با مدل‌های ساده و بهینه‌شده SVR و LSTM با سه سناریو داده ورودی مختلف (نوع و تاخیر زمانی متفاوت) مقایسه شد. داده‌های مورد استفاده شامل داده‌های بارش، دما، تبخیر و دبی با دوره آماری ۵۴ ساله (۱۳۴۷-۱۴۰۱) است. نتایج پژوهش بر اساس معیارهای ضریب نش-ساتکلیف (NSE)، میانگین مطلق خطا (MAE) و ریشه میانگین مربعات خطا (RMSE) نشان می‌دهد که مدل VMD-WOA-SVR-WOA عملکرد بسیار بهتری در برآورد رواناب نسبت به مدل‌های VMD-WOA-LSTM و VMD-WOA-SVR داشته است. برای نمونه، در ایستگاه زشک، این مدل در مرحله آموزش مقادیر NSE، RMSE و MAE را به ترتیب 983/0، 099/0 و 072/0 ارائه داده‌است. همچنین در مرحله آزمون نیز به ترتیب مقادیر 975/0، 083/0 و 124/0 به‌دست آمد که نشان‌دهنده دقت مناسب مدل در برآورد رواناب است. علاوه بر این، در ایستگاه‌های ارداک بند، النگ اسدی و کرتیان مدل ترکیبی علاوه بر دستیابی به دقت بالا (NSE بین 97/0 تا 98/0) از نظر کاهش خطاهای RMSE و MAE نسبت به مدل‌های مبتنی بر SVR و LSTM عملکرد به مراتب بهتری از خود نشان داده است.
کلیدواژه‌ها
الگوریتم بهینه‌ساز نهنگ (WOA)، الگوریتم رگرسیون بردار پشتیبان (SVR)، الگوریتم شبکه عصبی حافظه طولانی کوتاه مدت (LSTM)، تجزیه مد متغیر (VMD)، مدل‌سازی بارش-رواناب

  • تاریخ دریافت 18 بهمن 1403
  • تاریخ پذیرش 02 فروردین 1404
  • تاریخ انتشار 01 اردیبهشت 1404