به کارگیری ماشین بردار پشتیبان SVM برای پیش بینی دبی روزانه

مدیریت موفق منابع آب نیازمند رویکرد های جهت دار جامع و سیستماتیک می باشد تا بتواند با وجود روند تشدید مشکلات مربوط به آب و افزایش رو به رشد تقاضای آن نیاز مصرف کنندگان را برطرف سازد دراین راستا بهره گیری از شیوه های نوین مدلسازی منابع اب از اهمیت ویژه ای برخوردار است از طرفی پیشرفتهایی که در زمینه روشهای پردازش اطلاعات صورت پذیرفته روشهای داده - محور را نسبت به روشهای رفتار - محور روشهای فیزیکی افزایش داده است ماشین بردار پشتیبان روشی است که در آن نقاط قویت روشهای آماری سنتی که بیشتر تئوری محور می باشند و از نظر تجزیه و تحلیل ساده هستند ترکیب می گردد در سالهای اخیر در حوزه های هیدرولوژی و مدیریت منابع آب و پیش بینی سری های زمانی از رویکرد SVM ا ستفاده های زیادی شده است دراین پژوهش با استفاده از مدل بردار پشتیبان سری های زمانی و اطلاعات یک دوره 18 ساله از سال 68 تا 86 از رودخانه قره سو جهت تولید جریان مصنوعی مورد استفاده قرارگرفت.

کلیدواژه ها:

مدیریت منابع آب ، پیش بینی دبی ، شبکه های عصبی مصنوعی ANN ، به نرم افزار آماری STATISTICA رودخانه قره سو