| ارزیابی الگوریتم جنگل تصادفی و شبکه عصبی پرسپترون چند لایه در برآورد دبی روزانه رودخانه (مطالعه موردی رودخانه شیرین دره) |
| کد مقاله : 1215-IHA |
| نویسندگان |
|
محمد امیدفر *1، غلامحسین اکبری2، عرفان جشان3 1گروه آموزشی عمران،دانشکده فنی مهندسی،دانشگاه بجنورد 2گروه آموزشی عمران، دانشکده فنی و مهندسی، دانشگاه بجنورد 3دانشجوی کارشناسی ارشد مهندسی آب و سازه‌های‌هیدرولیکی، دانشگاه بجنورد، خراسان شمالی، ایران |
| چکیده مقاله |
| بررسی جریان رودخانه یکی از موارد اساسی در طراحی، بهره‌برداری و مطالعات مربوط به مهندسی آب است. از این‌رو بکارگیری روش‌های نوین و هوشمند در هیدرولوژی و منابع آب، اخیراً توجه زیادی به خود جلب کرده است.در این پژوهش به مدلسازی جریان روزانه رودخانه شیرین دره واقع در استان خراسان شمالی با استفاده از الگوریتم جنگل تصادفی و شبکه عصبی پرسپترون چندلایه پرداخته شد. از مجموع 1630 داده استفاده شده برای سال-های آبی 93-1392 الی 97-1396، 1141 داده برای استفاده در مرحله آموزش و 489 داده برای استفاده در مرحله آزمون انتخاب شد. پس از مدلسازی نتایج بدست آمده با استفاده از شاخص‌های آماری R2، MBE، MAE و RMSE مورد ارزیابی قرار گرفت. سناریوی سوم الگوریتم جنگل تصادفی با مقادیر R2، MBE، MAE و RMSE به ترتیب برابر با 947/0،005/0-، 149/0 و 774/0 در مرحله آموزش و 862/0، 051/0، 504/0 و 62/4 در مرحله آزمون به عنوان بهترین سناریو با بهترین عملکرد انتخاب شد. در مجموع همه سناریوهای الگوریتم جنگل تصادفی عملکرد بهتری به نسبت شبکه عصبی مصنوعی پرسپترون چندلایه داشت. پیشنهاد می‌شود در تحقیقات آنی نتایج بدست آمده از الگوریتم جنگل تصادفی با سایر مدل‌های هوشمند و یادگیری ماشین مورد مقایسه قرار گیرد. |
| کلیدواژه ها |
| جریان رودخانه، شبکه عصبی مصنوعی، یادگیری ماشین، جنگل تصادفی، شیرین دره. |
| وضعیت: پذیرفته شده برای ارائه شفاهی |