کاربرد مدلهای SVR و RNN در تخمین حداکثر عمق فرسایش در شرایط بستر متحرک در تلاقی رودخانهها

تلاقی رودخانهها یکی از پیچیدهترین مکانها در سیستم رودخانهها میباشد که درنتیجه آن، پیشبینی حداکثر عمق آبشستگی ( Ds( بااستفاده از مدلهای هوشمند که قادر به لحاظ این پیچیدگیها میباشند امری مهم و ضروری میباشد. بنابراین در تحقیق حاضر، عملکرد دو مدل هوش مصنوعی به نامهای SVR) با لحاظ روشهای اعتبارسنجی مختلف، شامل test-train ،Fold-K و out-one-leave (و GRNN مورد تقریبا خوبی دارند؛ اما مدل SVR با روش s دقت بررسی قرار گرفته است. نتایج حاصل نشان دادند که اگرچه تمام مدلها در پیشبینی D R با بهترتیب (میدهد نشان را بالاتری دقت train-test اعتبارسنجی 2 0/0168 ،4/26 ، 0/0124 ،95/66 با برابر NSE و RMSE ،MARE ،MAE ، و 993/0 ،(و بعد از آن بهترتیب مدلهای out-one-leave SVR ،Fold-K SVR) در 9=K (و مدل GRNN را میتوان به عنوان دقیقترین مدلها در این تحقیق پیشنهاد نمود.

کلیدواژه ها:

تلاقی رودخانهها ، شرایط بستر متحرک ، مدل SVR ، روشهای اعتبارسنجی ، مدل GRNN