TY - JOUR T1 - Assessment of Normalization of Monthly Runoff Probabilistic Distribution impact on SVM and ANN Models Performance in Monthly River Flows Simulation (A Case Study: ZarrinehRud River Basin) TT - ارزیابی تأثیر نرمال سازی توزیع احتمالاتی رواناب ماهانه بر عملکرد مدل های SVM و ANN در شبیه سازی جریان ماهانه رودخانه ها (مطالعه موردی: حوزه زرینه رود) JF - jwmr JO - jwmr VL - 8 IS - 16 UR - http://jwmr.sanru.ac.ir/article-1-927-fa.html Y1 - 2018 SP - 22 EP - 33 KW - ANN KW - Monthly River Flow KW - Normal Probabilistic Distribution KW - SVM KW - Zarrineh Rud Basin N2 - تخمین دقیق مقدار رواناب رودخانه­ها از اقدامات اساسی در مدیریت منابع آب حوزه­ها می­باشد. شبکه عصبی مصنوعیANN)) و ماشین بردار پشتیبان (SVM) از مهم­ترین مدل­های داده­کاوی هستند که می‏توانند برای این منظور مدنظر قرار گیرند. با توجه به مبتنی بودن این مدل­ها به داده­ها ، نوع توزیع احتمالاتی داده­ها می­تواند تأثیر چشمگیری بر عملکرد آن­ها در شبیه­سازی جریان داشته باشد. برای بررسی این موضوع حوزه زرینه­رود به­عنوان منطقه مورد مطالعه انتخاب شده و ارزیابی­های مورد نظر در سه ایستگاه آب­سنجی واقع در آن صورت گرفت. در این راستا در ابتدا با استفاده از آزمون شاپیرو-ویلک تبعیت نمودن توزیع احتمالاتی داده­های مشاهداتی اولیه از نرمال مورد بررسی قرار گرفته و سپس نرمال‏سازی توزیع داده­ها انجام شد. در ادامه کارایی هر یک از مدل­های ANN و SVM در شبیه­سازی رواناب ماهانه سه ایستگاه آب­ سنجی برای داده­های مشاهداتی و نرمال شده جریان مورد ارزیابی قرار گرفت. براساس نتایج این تحقیق مقادیر شاخص­های ضریب همبستگی(CC) و جذر میانگین مربعات خطا (RMSE) در دوره صحت­سنجی برای ایستگاه­های صفاخانه، سنته و پل آنیان در مدل ANN به ترتیب 71/0، (m3/sec) 93/5، 80/0، (m3/sec) 58/6 و 82/0، (m3/sec) 90/22 بدست آمد. در مدل SVM برای این شاخص­ها در ایستگاه­ های مذکور به ترتیب مقادیر 70/0، (m3/sec)34/6، 78/0، (m3/sec)02/7 و 79/0، (m3/sec)31/24 حاصل شد. نتایج نشان داد که در مدل ANN استفاده از جریان نرمال شده در ایستگاه­های پل آنیان، سنته و صفاخانه مقادیر CC را در دوره صحت­سنجی به ترتیب 6، 14 و 11 درصد افزایش و مقادیر RMSE را به ترتیب 9، 19 و 6 درصد کاهش می­دهد. در مدل SVM پس از نرمال­سازی داده­ها مقادیر CC و RMSE فقط برای ایستگاه سنته به میزان 10 و 16 درصد به ترتیب افزایش و کاهش می­یابد. همچنین نتایج نشان داد که مدل ANN با ورودی­های نرمال شده در هر سه ایستگاه آب­سنجی عملکرد بهتری نسبت به مدل SVM دارد. M3 10.29252/jwmr.8.16.22 ER -