@article { author = {Khalili Naft Chali, Atena and Khozeymehnezhad, Hosein}, title = {Investigation of Ability of KNN and M5 Trees Models in River Flow Modeling: Case Study Sarmo Stations}, journal = {Iranian Journal of Irrigation & Drainage}, volume = {12}, number = {3}, pages = {579-587}, year = {2018}, publisher = {Iranian Irrigation and Drainage Association}, issn = {2008-7942}, eissn = {2676-6884}, doi = {}, abstract = {Prediction of the flow discharge accurately is a key point in the optimum planning and management of water resources. The Ghorghanrood watershed is one of the watersheds in the north of Iran that it is located in Gholestan Province. The impact of drought and rain on basic fluctuations and overall flow of the river plays a major role in planning of implementation of watershed resources. In this research, the KNN model and M5 decision tree were used as one of the methods of data-mining for estimating the flow discharge of Ghorghanrood River that it is located in Sarmo Station. In this regard, the raining and flow discharge data of Sarmo Station (in Mohammadabad) under five various scenarios by applying transfer functions on the data. The results showed that M5 decision tree has mostly superiority over KNN model and reaches more accurate prediction. Also, in the defined scenarios, the b and c models which respectively include all data and daily raining data, last day raining and two days before raining, result the most accurate estimation. These two scenarios are under the transfer function, the five-day moving mean  and have R2 standard of 0.999 and MAE and RMSE standards of 0.001.}, keywords = {Transfer functions,Data-mining,Discharge,decision tree,Scenario}, title_fa = {بررسی کارایی مدل KNN و درخت M5 در مدل‌سازی جریان رودخانه: مطالعه موردی ایستگاه سرمو}, abstract_fa = {پیش‌بینی دقیق دبی جریان نکته کلیدی در برنامه‌ریزی و مدیریت بهینه منابع آب به شمار می‌آید. حوضه­ی گرگانرود، یکی از حوضه‌های بخش شمالی کشور و واقع در استان گلستان است. تاثیر خشک‌سالی و ترسالی بر نوسانات پایه و جریان کل رودخانه، نقش عمده‌ای را در برنامه‌ریزی بهره‌برداری از منابع آب حوضه دارد. در این تحقیق از مدل KNN و درخت تصمیم M5 به‌عنوان یکی از شیوه‌های داده‌کاوی برای برآورد دبی جریان رودخانه گرگانرود واقع در ایستگاه سرمو بهره گرفته­شد. بدین منظور از داده‌های بارندگی و دبی جریان ایستگاه سرمو واقع در محمدآباد تحت پنج سناریوی مختلف و با اعمال توابع انتقال بر روی داده‌ها، بهره گرفته­شد. نتایج نشان داد که مدل درخت تصمیم M5 در اکثر مواقع بر مدل KNN برتری دارد و پیش‌بینی دقیق‌تری را حاصل می‌نماید. همچنین در میان سناریوهای تعریف شده، مدل b و c که به ترتیب شامل تمامی داده‌ها و داده‌های بارندگی روزانه، بارندگی روز قبل و بارندگی دو روز قبل می‌باشند، تحت تابع انتقال میانگین متحرک پنج روزه با داشتن معیار  برابر 999/0 و معیار MAE و RMSE برابر 001/0 دقیق‌ترین برآورد را نتیجه می‌دهد.}, keywords_fa = {توابع انتقال,داده‌کاوی,دبی,درخت تصمیم,سناریو}, url = {https://idj.iaid.ir/article_73665.html}, eprint = {https://idj.iaid.ir/article_73665_f7606e248ee2546231035d48bcab5117.pdf} }