بکارگیری مدل های ترکیبی موجک-ماشین بردار پشتیبان و برنامه ریزی ژنتیک در پیش بینی سری های زمانی هیدرولوژیکی (مطالعه موردی: حوضه آجی چای)

شبیه سازی و ارزیابی رسوب رودخانه و ایجاد ارتباط بین دبی جریان و رسوب از جمله مسائل مهم و کاربردی در مدیریت منابع آب و محیط زیست در استفاده از مخازن سدها، ساماندهی رودخانه ها و عاملی برای جلوگیری از هزینه اضافی است. در این تحقیق، از تابع موجک به عنوان یکی از ابزارهای محاسبات نرم جهت استخراج ویژگی های سری های زمانی استفاده گردیده و کارایی مدل های موجک-ماشین بردار پشتیبان و موجک-برنامه ریزی ژنتیک برای پیش بینی رسوب در رودخانه ی آجی چای مورد بررسی قرار گرفته است. برای این منظور، در گام اول مقدار رسوب توسط ماشین بردار پشتیبان و برنامه ریزی ژنتیک پیش بینی شده است. سپس سری های زمانی دبی و رسوب توسط موجک به زیر سری هایی تجزیه شدند و این زیر سری ها جهت شبیه سازی رابطه دبی-رسوب وارد ماشین بردار پشتیبان و برنامه ریزی ژنتیک شدند. نتایج پیش بینی رسوب ماهانه نشان می دهند که ماشین بردار پشتیبان با ضریب تبیین dc=0.65 خروجی بهتری نسبت به برنامه ریزی ژنتیک dc=0.61 دارد. مدل موجک-ماشین بردار پشتیبان نتایج بهتری در مقایسه با مدل موجک-برنامه ریزی ژنتیک نشان می دهد و اضافه کردن موجک باعث افزایش دقت مدل های ماشین بردار پشتیبان و برنامه ریزی ژنتیک می شود، برای نمونه dc_svm=0.65 به dc_wsvm=0.82 ارتقاء یافته است.