Προσομοίωση της σχέσης βροχόπτωσης-απορροής με τεχνητά νευρωνικά δίκτυα και μηχανές διανυσμάτων υποστήριξης

Περίληψη

Στην παρούσα ερευνητική εργασία αναπτύσσεται ένα Τεχνητό Νευρωνικό Δίκτυο (ΤΝΔ) και ένα μοντέλο Μηχανών Διανυσμάτων Υποστήριξης (ΜΔΥ) για την προσομοίωση της σχέσης βροχόπτωσης-απορροής και την πρόβλεψη χρονοσειρών στάθμης ποταμού. Για το σκοπό αυτό, δημιουργήθηκε ένα πολυστρωματικό ΤΝΔ με τρία επίπεδα εκπαιδευόμενο με τον αλγόριθμο back-propagation (Levenberg-Marquardt). Ταυτόχρονα, δημιουργήθηκε ένα μοντέλο ΜΔΥ με τρεις διαφορετικές συναρτήσεις πυρήνα (Γραμμική, Πολυωνυμική και Γκαουσιανή). Τα δεδομένα ημερήσιας βροχόπτωσης και απορροής μιας ορεινής λεκάνης απορροής χρησιμοποιήθηκαν για την ανάπτυξη και εφαρμογή των μοντέλων προσομοίωσης της σχέσης βροχόπτωσης-απορροής. Σημαντικό μέρος της παρούσας έρευνας αποτελεί ο έλεγχος της επίδρασης της ιστορίας της βροχόπτωσης και της απορροής στην τελική πρόβλεψη. Η μέθοδος cross-validation χρησιμοποιήθηκε για την επιλογή του κατάλληλου αριθμού κρυφών νευρώνων στο ΤΝΔ και της καλύτερης συνάρτησης πυρήνα στο μοντέλο ΜΔΥ. Η απόδοση και η αξιοπιστία των μοντέλων ελέγχθηκαν με βάση τρία διαφορετικά κριτήρια αξιολόγησης. Τα αποτελέσματα αποκάλυψαν ότι όλα τα μοντέλα είναι πολύ αποτελεσματικά στην προσομοίωση της σχέσης βροχόπτωσης-απορροής και της πρόβλεψης της στάθμης ποταμού.