پیش‌بینی رواناب روزانه با مدل حداقل مربعات ماشین بردار پشتیبان (LS-SVM)

مدل‌های داده محور از جمله ابزارهایی هستند که به منظور شبیه‌سازی در علوم مختلف استفاده می‌شوند. روش ماشین بردار پشتیبان به عنوان یکی از جدیدترین این نوع ابزارها اخیراً در علوم مرتبط با آب مورد توجه قرار گرفته است. در هیدرولوژی و منابع آب، این مدل‌ها با شبیه‌سازی فرآیند بارش-رواناب، مقدار رواناب را در حوزه‌های آبخیز بدون ایستگاه اندازه‌گیری و با حداقل زمان ممکن و کمترین هزینه برآورد می‌کنند. هدف از انجام این تحقیق شبیه‌سازی رواناب روزانه با کمک ماشین بردار پشتیبان و همچنین مقایسه نتایج آن با مدل هیدرولوژیکی Hymod می‌باشد. مدل Hymod نیز مدلی مفهومی بوده که رواناب را با استفاده از داده‌های بارش و تبخیر-تعرق پتانسیل روزانه محاسبه می‌نماید. ارزیابی روش-های پیش‌بینی رواناب مذکور با استفاده از داده‌های روزانه بارش و تبخیر-تعرق پتانسیل برای 5 سال (1958-1962) در حوضه معرف رودخانه لیف آمریکا به مساحت 1950 کیلومتر مربع انجام گردید. مقادیر آماره‌های کلینگ گوپتا (KGE)، ضریب تعیین (R2) و ضریب ناش- ساتکلیف (NSE) به ترتیب در روش ماشین بردار پشتیبان 80/0 ، 79/0و 78/0 و در مدل Hymod، 68/0، 79/0و 76/0 به دست آمد. نتایج نشان از برتری نسبی روش ماشین بردار پشتیبان به شبیه‌سازی مدل مفهومیHymod داد و بنابراین نتایج این ابزار می‌تواند در حوضه‌های بدون آمار به عنوان تخمین قابل قبول اولیه مورد لحاظ قرار گیرد.