افزایش پیچیدگی‌های موجود در مسائل بهینه‌سازی مهندسی به‌طور عام و منابع آب به‌طور خاص، از کارایی روش‌های معمول بهینه‌سازی کاسته و لزوم به‌کارگیری الگوریتم‌های جدید (فراابتکاری) نمایان ساخته است. این الگوریتم‌ها نوعی الگوبرداری از رفتار موجودات زنده بوده و درواقع با شبیه‌سازی رفتار جانداران به جستجوی نقطه بهینه می‌پردازند. در این تحقیق از الگوریتم ژنتیک (GA) و نوعی ماشین‌بردار پشتیبان تحت عنوان رگرسیون بردار پشتیبان حداقل مربعات (LS-SVR) با دو تابع هسته‌ایRBF و خطی (linear)، برای پیش‌بینی رواناب حوضه بار نیشابور (به‌عنوان مطالعه موردی) به‌وسیله اطلاعات بارشی و دبی رودخانه حوضه، از سال آبی ۳۱-۱۳۳۰ تا ۹۲-۱۳۹۱ استفاده شده است که بارش مساحتی متوسط حوضه با روش MIDW و به‌وسیله الگوریتم ژنتیک محاسبه و نهایتاً در تخمین رواناب بکار رفته است. معیار ارزیابی این روش‌ها با توجه به تحقیقات مشابه، معیار خطای مجذور مربعات خطا (RMSE) می‌باشد که در روش بردار پشتیبان، خطاهای کمتری مشاهده گردید که نشان از عملکرد مناسب‌تر آن در پیش‌بینی رواناب می‌باشد.
کلمات کلیدی: مدل بارش-رواناب، فراابتکاری، LS-SVR، SVM، بردار پشتیبان و الگوریتم ژنتیک GA.
هنوز بررسی‌ای ثبت نشده است.