ارزیابی سناریوهای پیشبینی سیلاب با استفاده از یادگیری آماری ماشین و اطلاعات پیشبینی بارش TIGGE در حوضه آبریز منتهی به سد سیمره

فرآیند دینامیکی و پویای بارش- رواناب به دلیل اندرکنشهای غیرخطی بسیار پیچیده بوده و از اینرو پیشبینی دقیق رواناب موضوعی بسیار مهم در علم هیدرولوژی است. در تحقیق حاضر به منظور پیشبینی سیلاب از مدلسازی جعبه سیاه بارش-رواناب با استفاده از روش یادگیری آماری ماشین، ماشین بردار پشتیبان استفاده شده است. برای نیل به این هدف، داده های روزانه پیشبینی بارش و رطوبت خاک حاصل از آن بوسیله مرکز داده های ECMWF از شبکه TIGGE و داده های رواناب ورودی به سد سیمره در بازه زمانی۱۳۹۳/۰۵/۱۰ الی ۱۳۹۹/۰۳/۱۰ جمع آوری شده است. با طراحی ۵ سناریو مختلف در آرایش ورودیها، نتایج مورد بررسی قرار گرفت و کارایی مدل با استفاده از ۴ معیار R۲، RSR، NSE و KG سنجیده شد. با استفاده از داده های رواناب روز قبل به همراه بارش و رطوبت خاک مقادیر آماره های R۲، RSR ، NSE وKG در این سناریو برای دوره واسنجی به ترتیب برابر ۳۳۸۰/، ۷۰۴۰/، ۰۹۸۰/ و ۱۴۸۰/ بدست آمد که نشان دهنده مطلوبیت خیلی خوب برای شاخصهای R۲، RSR ، NSE و مطلوبیت خوب برای شاخص KG میباشد. با توجه به نتایج بهدست آمده از مدل روشن است که مدلهای ماشین بردار پشتیبان در حوضه آبریز سیمره توانایی خوبی در برآورد جریان حوضه دارند.

کلیدواژه ها:

پیشبینی سیلاب ، مدلسازی بارش-رواناب ، یادگیری ماشین ، سد سیمره