تخمین پارامترهای کیفی آب با استفاده از ترکیب روش‏ ‏ماشین یادگیری قدرتمند و تئوری موجک

Abstract

ﻫریک از ﻣﺼﺎرف ﮔﻮﻧﺎﮔﻮن آب ﻣﺎﻧﻨﺪ ﻛﺸﺎورزی، ﺷﺮب و ﺻﻨﻌﺖ ﻧﻴﺎزﻣﻨﺪ آب ﺑﺎ ‌کیفیتی ﻣﺸﺨﺺ ﻫﺴﺘﻨﺪ ﻛﻪ حدود کیفی آن، ﺑﺎ ﻧﻤﻮﻧﻪ‌ﺑﺮداری‏ﻫﺎی ﻣﻜﺮر، آزﻣﺎﻳﺶ و ﺗﺤﻠﻴﻞ ﻧﺘﺎﻳﺞ ﻣﺸﺨﺺ ﻣﻲ‏شود‏. ﻫﺰینۀ ﻧﻤﻮﻧﻪ‏ﺑﺮداری از آب‏ﻫﺎی ﺳﻄﺤﻲ، اﻧﺪازهﮔﻴﺮی ﭘﺎراﻣﺘﺮﻫﺎی ﻛﻴﻔﻲ در ﻣﺤﻴﻂ آزﻣﺎیشگاه و ﺧﻄﺎﻫﺎی اﻧﺴﺎﻧﻲ، از ﺟﻤﻠﻪ ﻣﺸﻜﻼت ﻣﻮﺟﻮد در ﺗﺨﻤﻴﻦ ﻏﻠﻈﺖ ﭘﺎراﻣﺘﺮﻫﺎی ﻛﻴﻔﻲ‌اند‏. ﺑﻪ ﻫﻤﻴﻦ ﻣﻨﻈﻮر، ﺑﺮای اﻟﮕﻮﺑﻨﺪی ﭘﺎراﻣﺘﺮﻫﺎی ﻛﻴﻔﻲ آب، روش‏ﻫﺎی ﻣﺨﺘﻠﻔﻲ وﺟﻮد دارد ﻛﻪ در اﻳﻦ ﺑﻴﻦ، روش‏ﻫﺎی داده‌ﻣﺒﻨﺎ در دهه‏ﻫﺎی اﺧﻴﺮ ﻣﻮرد ﺗﻮﺟﻪ پژوهشگران ﻗﺮار ﮔﺮﻓﺘﻪ ‏اﺳﺖ. بنابراین، هدف اصلی در تحقیق حاضر، تخمین و مدل‏سازی پارامترهای کیفی آب با استفاده از روش‏های داده‏کاوی نوین، بهبود عملکرد روش‏های داده‏کاوی با کمک تئوری موجک و مقایسۀ آنها با سایر روش‏های داده‏کاوی متداول است. به‏بیانی دیگر، با استفاده از روش‏ داده‏کاوی ماشین یادگیری قدرتمند (ELM) و شبکۀ عصبی پرسپترون چندلایه (MLP‏)، پارامترهای کیفی آب (‏Cl، EC‏، Mg‏ و TDS‏) مدل‌سازی شد. ارزیابی این دو مدل توسط معیارهای آماری ضریب همبستگی (R)‏، ریشۀ میانگین مربع خطا (RMSE)‏ و میانگین قدر مطلق خطا‏ (MAE) و خطای استاندارد نسبی (RSE) برای داده‏های دورۀ آماری 20 ساله‏، انجام شد. با توجه به نتایج، مشخص شد که روش ELM توانسته است به طور متوسط ضریب همبستگی معادل 97/0 را ارائه کند. با وجود آنکه هر دو مدل نتایج قابل قبولی به همراه داشتند، اما در نهایت نتایج نشان داد مدل ELM نسبت به مدل MLP دقت بیشتری برای پیش‏بینی پارامترهای کیفی آب دارد.