مقایسۀ عملکرد مدل درختی M5 با مدل‌های شبکۀ عصبی مصنوعی و ماشین بردار پشتیبان در استخراج منحنی تداوم جریان مطالعۀ موردی: ایستگاه خزانگاه رودخانۀ ارس

یکیاز مهم­ترینو پرکاربردترینعلائمپاسخهیدرولوژیکحوزه، منحنیتداومجریان استو درکاربرد‌هایهیدرولوژیکیبی‌شماری برای آنالیز فراوانیجریان­هایکمینهو سیلابمورد استفادهقرار می­گیرد. برای نمایش محدودۀ کامل دبی رودخانه، از جریان‌های حداقل تا حداکثر سیلاب و منحنی تداوم جریان  (FDC)استفاده می‌شود؛ بنابراین استخراج دقیق این منحنی‌ها با حداقل خطا حائز اهمیت فراوانی است. در این مطالعه کارایی مدل درختی M5 در استخراج منحنی تداوم جریان در مقایسه با شبکۀ عصبی مصنوعی و ماشین بردار پشتیبان برای ایستگاه خزانگاه رودخانۀ ارس واقع در استان آذربایجان شرقی بررسی شد.با توجه به نتایج به دست آمده در مدل درختی M5، ترکیب 80% داده­ها برای آموزش و مابقی برای تست مدل، بهترین عملکرد را در ارائۀ منحنی تداوم جریان با 992/0R2=، (m3/s)47/5RMSE= و (m3/s) 38/4MAE= نشان داد. با بررسی نتایج مدل‌های مختلف شبکۀ عصبی، بهترین مدل با 2 نرون برای لایه مخفی با مقادیر 997/0R2=، (m3/s) 91/3RMSE= و (m3/s) 30/3MAE= به‌دست آمد.بررسی عملکرد کرنل RBF مدل ماشین بردار پشتیبان نشان داد که این مدل بهترین عملکرد را در شبیه‌سازی منحنی تداوم جریان داشت؛ به‌طوری‌که دارای حداقل مقدار مجذور میانگین مربع‌های خطا ((m3/s) 98/2RMSE=)، بالاترین ضریب همبستگی (998/0R2=) و کمترین مقدار خطای نسبی ((m3/s) 66/2MAE=) بود. مقایسۀ نتایج بین انواع مدل‌های هوشمند مورد بررسی، بیانگر این است که هر سه مدل در تخمین مقادیر دبی منحنی تداوم جریان عملکرد مناسبی دارند؛ اما مدل درختی M5 به علت سادگی محاسبات و ارائۀ روابط شده، به لحاظ کاربردی قابلیت بیشتری می­تواند در استخراج منحنی تداوم داشته باشد.