Вода хранится в резервуарах для различных целей, включая регулярное распределение, борьбу с наводнениями, производство гидроэлектроэнергии и удовлетворение экологических требований мест обитания и экосистем, расположенных ниже по течению. Однако эти цели часто противоречат друг другу и делают эксплуатацию водохранилищ сложной задачей, особенно в периоды паводков. Точный прогноз притока воды в водохранилище необходим для оценки выпусков воды из него, чтобы обеспечить безопасное пространство для захвата больших потоков без необходимости прибегать к опасным и вредным выпускам. Это исследование направлено на улучшение информационных решений по управлению водохранилищами и предварительному выпуску воды до того, как произойдет наводнение, с помощью метода прогнозирования притока в водохранилище. В методе прогнозирования применяются шаблоны временного лага на 1 и 2 месяца с несколькими алгоритмами машинного обучения, а именно с опорной векторной машиной, искусственной нейронной сетью, деревом регрессии и генетическим программированием. Предлагаемый метод применяется для оценки эффективности алгоритмов прогнозирования притока в расположенные в Иране водохранилища Дез, Кархех и Готванд во время паводка 2019 года. Результаты показывают, что дерево регрессии со средней ошибкой 0,43% при прогнозировании крупнейших резервуаров притока в 2019 году превосходит другие алгоритмы, при этом прогнозы притока в водохранилищаДез и Кархех получены с двухмесячным временным лагом, а прогнозы притока в Готвандское водохранилище- с одномесячным с наилучшим прогнозом по точности. Предлагаемый метод демонстрирует точное прогнозирование притока с использованием опорной векторной машиныи дерева регрессии. Развитие точных возможностей прогнозирования паводков имеет большое значение для операторов водохранилищ и лиц, принимающих решения, которым приходится иметь дело с прогнозами речного стока в их стремлении уменьшить ущерб от наводнений.

Ссылка: https://www.nature.com/articles/s41598-021-03699-6