@article { author = {Ghorbani, M.A. and Azani, A. and Mahmoudi Vanolya, S.}, title = {Rainfall-Runoff Modeling Using Hybrid Intelligent Models}, journal = {Iran-Water Resources Research}, volume = {11}, number = {2}, pages = {146-150}, year = {2015}, publisher = {Iranian Water Resources Association}, issn = {1735-2347}, eissn = {2476-7360}, doi = {}, abstract = {Rainfall-Runoff is considered one of the most important processes in water resources studies. In this study, to simulate the daily rainfall-runoff process of Balikhluchay Basin, four hybrid models of Support Vector Machine, Artificial Neural Networks, Wavelet-Support Vector Machine, and Wavelet-Neural Networks have been applied and compared. Daily Rainfall-runoff data for the period of 2000 to 2008, have been used for training and testing the models. In general, the results indicated acceptable accuracy of all the models. In terms of priority, the hybrid model of Wavelet-Neural Network with the highest accuracy and lowest errors was in the first rank and the Hybrid models of Wavelet-Support Vector Machines, Artificial Neural Networks and Support Vector Machines, were in next priorities.}, keywords = {Rainfall-Runoff,wavelet transform,Artificial Neural Networks,Support Vector Machines,Hybrid}, title_fa = {مدل سازی بارش رواناب با استفاده از مدل های هوشمند هیبریدی}, abstract_fa = {بارش-رواناب یکی از فرایندهای مهم در مطالعات منابع آب بشمار می‌رود. در این تحقیق فرآیند بارش-رواناب روزانه در حوضه آبریز بالیخ‌لوچای با استفاده از ماشین بردار پشتیبان، شبکه‌ های عصبی مصنوعی، هیبرید موجک-ماشین بردار پشتیبان و هیبرید موجک-شبکه عصبی مورد مطالعه و مقایسه قرار گرفته است. داده‌ های بارش-رواناب روزانه در طول دوره آماری (1379-1387) برای آموزش و صحت‌سنجی مدل‌ ها مورد استفاده قرار گرفت. در حالت کلی نتایج حاکی از دقت قابل قبول هر چهار روش می‌باشد. از لحاظ اولویت نیز مدل هیبرید موجک-شبکه عصبی با بیشترین دقت و کمترین خطا در اولویت اول و مدل‌های هیبرید موجک-ماشین بردار پشتیبان، شبکه عصبی مصنوعی و ماشین بردار پشتیبان بترتیب در اولویت‌های بعدی قرار گرفتند. }, keywords_fa = {بارش-رواناب,تبدیل موجک,شبکه عصبی مصنوعی,ماشین بردار پشتیبان,هیبرید}, url = {https://www.iwrr.ir/article_13798.html}, eprint = {https://www.iwrr.ir/article_13798_41ecd4298830b2c45723317debad5cb7.pdf} }