Iranian Jornal of Watershed Management Science&Engineering

fa مقایسه عملکرد مدل‌های یادگیری ماشین معمول و تقویتی در برآورد منحنی تداوم جریان Comparing the Performance of Conventional and Boosting Machine Learning Models in Flow Duration Curve Estimation تخصصي Special پژوهشي Research منحنی تداوم جریان (FDC) یکی از ابزارهای مهم هیدرولوژیکی برای توصیف رژیم جریان و برآورد دبی در حوزه‌های آبخیز فاقد آمار است. با توجه به پیچیدگی روابط میان ویژگی‌های حوزه آبخیز و دبی‌های متناظر با FDC، استفاده از روش‌های یادگیری ماشین می‌تواند رویکرد مناسبی برای تحلیل منطقه‌ای این منحنی باشد. پژوهش حاضر با هدف بررسی اثر انتخاب متغیرهای ورودی و مقایسه عملکرد مدل‌های یادگیری ماشین متداول و روش‌های تقویتی مبتنی بر گرادیان در برآورد FDC انجام شد. بدین منظور، داده‌های ۱۳۰ ایستگاه آب‌سنجی در پنج حوزه آبخیز درجه ۲ از بخش ایرانی آبخیز دریای خزر شامل ویژگی‌های فیزیوگرافی، اقلیمی، زمین‌شناسی، کاربری اراضی و شاخص‌های NDVI،NDSI  و TWI گردآوری شد. همچنین، با توجه به نظر کارشناسی و اهمیت هیدرولوژیکی متغیرها، مساحت حوضه، میانگین بارندگی سالانه و میانگین تبخیر سالانه به‌عنوان متغیرهای منتخب در رویکرد سالانه مورد استفاده قرار گرفتند. مدل‌های ANFIS، MARS،SVR  و RF و همچنین روش‌های تقویتی LSBoost و LightGBM برای برآورد دبی‌های متناظر با چندک‌هایQ2، Q10، Q20، Q50 و Q90 به‌کار گرفته شدند. عملکرد مدل‌ها با استفاده از شاخص‌های ضریب تعیین (R²) و جذر میانگین مربعات خطا (RMSE) در داده‌های آموزش و آزمون ارزیابی شد. نتایج نشان داد که در رویکرد سالانه مبتنی بر متغیرهای منتخب کارشناسی، مدل ANFIS و مدل‌های MARS و SVR عملکرد محدودی داشتند، در حالی که مدل‌های درختی و به‌ویژه روش‌های تقویتی عملکرد بهتری ارائه کردند. در میان مدل‌های مورد بررسی،LSBoost  با مقادیر R² آزمون برابر با 74/0، 75/0، 79/0، 77/0 و 77/0 به‌ترتیب برایQ2، Q10، Q20،Q50  و Q90بهترین عملکرد کلی را نشان داد. نتایج بیانگر آن است که روش‌های تقویتی مبتنی بر گرادیان، به دلیل توانایی بیشتر در استخراج روابط غیرخطی و پیچیده، ظرفیت مناسبی برای برآورد منطقه‌ای FDC، به‌ویژه در شرایط محدودیت متغیرهای ورودی، دارند. Introduction The Flow Duration Curve (FDC) is an important hydrological tool for characterizing flow regimes and estimating discharge in ungauged watersheds. The complex and nonlinear relationships between watershed characteristics and different components of the FDC have attracted increasing attention to the use of machine learning methods in the regional analysis of these curves. However, the performance of different models can be affected by the type and number of input variables, and the variables influencing discharges at different exceedance probabilities are not necessarily the same. Therefore, this study aimed to investigate the effect of input-variable selection and compare the performance of conventional machine learning models and gradient-based boosting methods in estimating different FDC components. Materials and Methods This study was conducted at 130 gauging stations located within five second-order watersheds of the Caspian Sea watershed in Iran. A set of physiographic, climatic, geological, land-use, Normalized Difference Vegetation Index (NDVI), Normalized Difference Snow Index (NDSI), and Topographic Wetness Index (TWI) variables was prepared to characterize the watersheds. To increase the number of samples, an annual approach was employed for FDC modeling, in which climate variables that varied from year to year were used together with relatively static watershed characteristics. In the annual approach based on expert selection, watershed area, mean annual precipitation, and mean annual evapotranspiration were considered as input variables. The discharges corresponding to Q2, Q10, Q20, Q50, and Q90 quantiles of the FDC were considered as output variables. ANFIS, MARS, SVR, and RF were evaluated as conventional machine learning methods, while LSBoost and LightGBM were evaluated as gradient-based boosting methods. Model performance was assessed using the coefficient of determination (R²) and root mean square error (RMSE) for the training and testing datasets. Results and Discussion The results showed that ANFIS, MARS, and SVR had limited capability in estimating different FDC quantiles under the annual approach using a limited set of input variables. In contrast, tree-based models showed better performance, with gradient-based boosting methods, particularly LSBoost, outperforming the other models across all investigated quantiles. In the testing dataset, the LSBoost model achieved R² values of 0.74, 0.75, 0.79, 0.77, and 0.77 and RMSE values of 2.98, 1.54, 0.86, 0.40, and 0.11 m³ s⁻¹ for Q2, Q10, Q20, Q50, and Q90, respectively. The superior performance of these models indicated that gradient-based boosting methods have a greater capability than conventional models to capture nonlinear relationships and interactions among input variables and to exploit limited climatic information for reconstructing different FDC components. Conclusion The results of this study demonstrated that input-variable selection plays an important role in the performance of regional FDC models, and the use of a limited set of climatic and physiographic variables may constrain the performance of some machine learning models. Nevertheless, gradient-based boosting methods, particularly LSBoost, achieved more suitable and stable performance than ANFIS, MARS, SVR, and RF using the same limited information. Therefore, gradient-based boosting models can be considered a suitable approach for regional FDC estimation, particularly under data-scarce conditions and for ungauged watersheds.   آبخیز دریای خزر, روش‌های تقویتی مبتنی بر گرادیان, منحنی تداوم جریان, یادگیری ماشین. Caspian Sea watershed, gradient-based boosting methods, Flow Duration Curve, machine learning. 0 0 http://jwmsei.ir/browse.php?a_code=A-10-26-6&slc_lang=fa&sid=1 Arezoo Shafiei Bafti آرزو شفیعی بافتی arezoo.shafei@modares.ac.ir No Tarbiat Modares University دانشگاه تربیت مدرس Mehdi Vafakhah مهدی وفاخواه Vafakhah@modares.ac.ir Yes Tarbiat Modares University دانشگاه تربیت مدرس Vahid Moosavi وحید موسوی v.moosavi@modares.ac.ir No Tarbiat Modares University دانشگاه تربیت مدرس Hadi Khosravi Farsani هادی خسروی فارسانی khosavi@eng.sku.ac.ir No Shahrekord University دانشگاه شهرکرد