در یک دهۀ اخیر، روش‌های هوش مصنوعی بیشترین کاربرد را در شبیه‌سازی فرایندهای مختلف از جمله فرایندهای هیدرولوژیکی داشته‌اند، لیکن نتایج این روش‌ها همواره با عدم قطعیت همراه بوده‌اند. یکی از راه‌حل‌هایی که می‌تواند تا حدودی این مشکل را حل نماید، تحلیل عدم قطعیت پیش‌بینی‌های صورت گرفته می‌باشد. در مطالعۀ حاضر عدم قطعیت نتایج مدل‌های شبکۀ عصبی مصنوعی (ANN) و ماشین بردار پشتیبان (SVM) در پیش‌بینی جریان ماهانۀ رودخانه با استفاده ازشبیه‌سازی مونت کارلو و مقادیر 95PPU و d-factor مورد ارزیابی قرار گرفته است. در این پژوهش از داده‌ها و سری زمانی جریان ماهانۀ رودخانۀ قزل‌اوزن در یک دورۀ 39 ساله از سال 1355 تا 1393 برای ایستگاه آب‌سنجی بیانلو-یساول استفاده شده است که 75 درصد داده‌ها برای آموزش و 25 درصد برای تست مدل‌ها به کار رفته است. در این مدل‌ها به‌منظور تخمین جریان رودخانه، شش ترکیب مختلف ورودی شامل جریان یک، دو و سه ماه قبل و شماره ماه‌های جریان، مورد استفاده قرار گرفت. برای ارزیابی مدل‌ها از معیارهای آماری ضریب همبستگی (R) و ریشۀ میانگین مربعات خطا (RMSE) استفاده شد. نتایج نشان داد که اگرچه مدل ANN با مقادیر R مساوی با 757/0 و RMSE مساوی با 45/9 دارای عملکرد خوبی نسبت به مدل SVM با مقادیر R مساوی با 729/0 و RMSE مساوی با 946/10 در پیش‌بینی جریان رودخانه است، اما نتایج این مدل با عدم قطعیت زیادی همراه است. مقایسۀ تحلیل عدم قطعیت نتایج مدل‌ها نشان داد که مدل SVM با مقادیر d-factor و 95PPU به ترتیب برابر با 155/0 و 241/17 نسبت به مدل ANN با مقادیر d-factor و 95PPU به ترتیب برابر با 993/0 و 470/85 از عدم قطعیت کمتری برخوردار است و از این لحاظ بر مدل ANN برتری دارد. مطابق نتایج این پژوهش باید با درنظر گرفتن این نکته که مدل‌های پیشرفتۀ هوش مصنوعی نیز دارای عدم قطعیت می‌باشند، نسبت به کاربرد این روش‌ها در زمینه‌های مدیریت ریسک و برنامه‌ریزی‌های آینده اقدام کرد تا بهترین عملکرد را بدست آورد.
محمدی, مجید, & اللهویردی پور, پویا. (1402). تحلیل عدم قطعیت مدل‌های شبکۀ عصبی مصنوعی (ANN) و ماشین بردار پشتیبان (SVM) در پیش‌بینی جریان ماهانۀ رودخانه (مطالعۀ موردی: رودخانۀ قزل‌اوزن). مدل سازی و مدیریت آب و خاک, (), -. doi: 10.22098/mmws.2023.12702.1267
MLA
مجید محمدی; پویا اللهویردی پور. "تحلیل عدم قطعیت مدل‌های شبکۀ عصبی مصنوعی (ANN) و ماشین بردار پشتیبان (SVM) در پیش‌بینی جریان ماهانۀ رودخانه (مطالعۀ موردی: رودخانۀ قزل‌اوزن)". مدل سازی و مدیریت آب و خاک, , , 1402, -. doi: 10.22098/mmws.2023.12702.1267
HARVARD
محمدی, مجید, اللهویردی پور, پویا. (1402). 'تحلیل عدم قطعیت مدل‌های شبکۀ عصبی مصنوعی (ANN) و ماشین بردار پشتیبان (SVM) در پیش‌بینی جریان ماهانۀ رودخانه (مطالعۀ موردی: رودخانۀ قزل‌اوزن)', مدل سازی و مدیریت آب و خاک, (), pp. -. doi: 10.22098/mmws.2023.12702.1267
VANCOUVER
محمدی, مجید, اللهویردی پور, پویا. تحلیل عدم قطعیت مدل‌های شبکۀ عصبی مصنوعی (ANN) و ماشین بردار پشتیبان (SVM) در پیش‌بینی جریان ماهانۀ رودخانه (مطالعۀ موردی: رودخانۀ قزل‌اوزن). مدل سازی و مدیریت آب و خاک, 1402; (): -. doi: 10.22098/mmws.2023.12702.1267
)