Resumen

La predicción de la carga de sedimentos en suspensión (SSL) en la gestión de recursos hídricos requiere modelos predictivos eficientes y confiables. Este estudio considera el método de regresión de vector de soporte (SVR) para predecir la carga diaria de sedimentos en suspensión. Dado que el SVR tiene parámetros desconocidos, se integra el método de Optimización basado en observador-profesor-aprendiz (OTLBO) con el modelo SVR para proporcionar un nuevo modelo predictivo híbrido. El SVR combinado con el algoritmo genético (SVR-GA) se utiliza como modelo alternativo. Para explorar el rendimiento y la aplicación de los modelos propuestos, se proporcionan cinco combinaciones de datos de lluvia y caudal del río Cham Siah. Los modelos predictivos son evaluados utilizando varios indicadores numéricos y visuales. Los resultados indican que el modelo SVR-OTLBO ofrece un mayor rendimiento de predicción que otros modelos empleados en el estudio actual. Específicamente, el modelo SVR-OTLBO

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Predicción; Carga de sedimentos en suspensión; SVR; OTLBO; Modelo predictivo híbrido; Río Cham Siah
• Keywords:Predicting; Suspended sediment load; SVR; OTLBO; Hybrid predictive model; Cham Siah River