ارزیابی الگوریتم جنگل تصادفی و شبکه عصبی پرسپترون چند لایه در برآورد دبی روازنه رودخانه (مطالعه موردی رودخانه شیرین دره)

بررسی جریان رودخانه یکی از موارد اساسی در طراحی، بهره برداری و مطالعات مربوط به مهندسی آب است. از این رو بکارگیری روش های نوین و هوشمند در هیدرولوژی و منابع آب، اخیرا توجه زیادی به خد 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 چند لایه پرداخته شد. از مجموع ۱۶۳۰ داده استفاده شده برای سال های آبی ۹۳-۱۳۹۲ الی ۹۷-۱۳۹۶، ۱۴۱ داده برای استفاده در مرحله آموزش و ۴۸۹ داده برای استفاده در مرحله آزمون انتخاب شد. پس از مدلسازی نتایج بدست آمده با استفاده از شاخص های آماری MAE MBE R۲ و RMSE مورد ارزیابی قرار گرفت. سناریوی سوم الگوریتم جنگل تصادفی با مقادیر MAE MBE R۲ و RMSE به ترتیب برابر با ۰۰۵/۹۴۷، ۰/۰، ۰/۱۴۸ و ۰/۷۷۴ در مرحله آموزش و ۰/۸۶۲ ، ۰/۰۵۱، ۰/۵۰۴ و ۴/۶۲ 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 چند لایه داشت. پیشنهاد می شود در تحقیقات آنی نتایج بدست آمده از الگوریتم جنگل تصادفی با سایر مدل های هوشمند و یادگیری ماشین مورد مقایسه قرار گیرد.