@article { author = {Seyedian, Seyed Morteza and Soleimani, Maryam and Kashani, Mojtaba}, title = {Predicting streamflow using data-driven model and time series}, journal = {Iranian journal of Ecohydrology}, volume = {1}, number = {3}, pages = {167-179}, year = {2014}, publisher = {Faculty of New Sciences and Technologies, University of Tehran}, issn = {2423-6098}, eissn = {2423-6101}, doi = {10.22059/ije.2014.54219}, abstract = {Accurate forecasting of streamflows has been one of the most important issues as it plays a key role in allotment of water resources. River flow simulations to determine the future river flows are important and practical. Given the importance of flow in the coming years, in this research three stations: Haji Qooshan, Ghare Shoor and Tamar in Gorganrood cachment were simulated in 2002-2011. To simulate river flow, time series (Auto Regression) and data driven based on support vector machine (SVM) was used for both monthly and weekly. The results showed that both methods in Tamar have low precision and Haji Qooshan station have good precision in monthly simulation. SVM increase 0.29 coefficient determination and decreases 0.35 RMSE error in Ghare Shoor station and perform more accurate than time series. Both methods simulate weekly discharge in low precision in Tamar and Ghare Shoor. Coefficient determination of time series is 0.91 and SVM is 0.86 in weekly simulation. DDR statistics show that the SVM has greater precision than time series in monthly simulation and equal precision in weekly simulation in Haji Qooshan station. The results of this study show that the SVM method is more accurate than time series in monthly and weekly simulation. The accuracy of both methods is on monthly basis rather than weekly. The accuracy of both methods is greater on monthly rather than weekly.}, keywords = {River flow,time series,Gorganrood,Support vector Machine,Data Mining}, title_fa = {پیش بینی دبی جریان رودخانه با استفاده از داده کاوی و سری زمانی}, abstract_fa = {شبیه­سازی جریان رودخانه به‌منظور آگاهی از دبی رودخانه در دوره‌های زمانی آینده از مسائل مهم و کاربردی است. با توجه به اهمیت اطلاع از دبی جریان در سال­های آینده، در این مطالعه دبی جریان در سه ایستگاه حاجی‌قوشان، قره‌شور و تمر در حوضۀ آبخیز گرگانرود برای سال­های آبی 90-1381 شبیه­سازی شد. به‌منظور شبیه­سازی از روش آماری سری زمانی در قالب الگوی اتورگرسیون (AR) و داده‌کاوی در قالب ماشین بردار پشتیبان (SVM) به دو صورت ماهانه و هفتگی استفاده شد. نتایج در مقیاس ماهانه نشان داد هر دو روش در ایستگاه تمر، دقت کم و در ایستگاه حاجی‌قوشان، دقت خوبی دارند. در ایستگاه قره‌شور SVM توانست ضریب تعیین سری زمانی ماهانه را به‌مقدار 29/0 افزایش و خطای RMSE را 35 درصد کاهش دهد و شبیه­سازی دقیق‌تری انجام دهد. هر دو روش در ایستگاه­های تمر و قره‌شور دبی هفتگی را با دقت کمی پیش‌بینی کردند. در ایستگاه حاجی‌قوشان ضریب تعیین روش سری زمانی هفتگی 91/0 و SVM برابر 86/0 است. آمارۀ DDR نشان داد در ایستگاه حاجی‌قوشان در مقیاس ماهانه روش SVM نسبت به سری زمانی دارای دقت بیشتری است و در مقیاس هفتگی دقت این دو روش برابر است. نتایج این مطالعه نشان داد که روش SVM در هر دو مقیاس ماهانه و هفتگی دقت بیشتری نسبت به سری زمانی دارد؛ همچنین دقت هر دو روش در مقیاس ماهانه بیشتر از مقیاس هفتگی است.}, keywords_fa = {River flow,time series,Gorganrood,Support vector Machine,Data Mining}, url = {https://ije.ut.ac.ir/article_54219.html}, eprint = {https://ije.ut.ac.ir/article_54219_3f477a386499dda25326dc49236d2386.pdf} }