مدل ترکیبی موجک و شبکه عصبی برای پیش‌بینی غلظت سولفات و کلراید رودخانه‌ها (مطالعه موردی: رودخانه دز)

Abstract

از مهم­ترین عوامل مؤثر در توسعه پایدار یک منطقه، فراهم آوردن منابع آب مناسب از نظر کمی و کیفی می­باشد. در این مطالعه مدل­های شبکه عصبی مصنوعی، رگرسیون خطی چند متغیره و ترکیب شبکه عصبی- موجک برای پیش بینی غلظت سولفات و کلراید در ایستگاه بامدژ رودخانه دز بررسی شد و تأثیر پیش­پردازش داده­ها روی عملکرد مدل­ها به­وسیله تجزیه موجک مورد تحقیق قرار گرفت. بدین منظور سری­های زمانی دبی، سولفات و کلراید مشاهده شده­ رودخانه، در سطوح مختلفی به زیرسری­ها تجزیه شدند. سپس حاصل جمع جبری زیرسری­های مؤثر دبی، سولفات و کلراید به عنوان ورودی مدل شبکه عصبی برای پیش­بینی یک ماه بعدی سولفات و کلراید درنظر گرفته شد. نتایج نشان داد که عملکرد پیش­بینی مدل ترکیبی موجک نسبت به شبکه عصبی و رگرسیون بهتر می باشد. هم­چنین مدل ترکیبی موجک عصبی برای مقادیر بیشینه، پیش­بینی قابل قبولی را ارائه داد. این مدل، میانگین حداقل خطا را برای مدل­های رگرسیون و شبکه عصبی در مدل­سازی کلراید، به ترتیب از 84/0 و 64/0 به 52/0 و در مدل­سازی سولفات به ترتیب از 7/1 و 95/0 به 63/0 کاهش داد. هم­چنین این مدل توانست پدیده هیسترزیس را برای مدل سولفات به خوبی شبیه­سازی کند، درحالی که مدل رگرسیون در تشخیص آن ناتوان بود.