بکارگیری مدل های ترکیبی موجک- شبکه عصبی مصنوعی و ماشین بردار پشتیبان در پیش-بینی بار رسوب معلق آجی چای

Abstract

شبیه­سازی و ارزیابی رسوب رودخانه و ایجاد ارتباط بین دبی جریان و رسوب از جمله مسائل مهم و کاربردی در مدیریت منابع آب و محیط زیست در استفاده از مخازن سدها، سامان­دهی رودخانه‌ها و عاملی برای جلوگیری از هزینه اضافی است. در این تحقیق، از تابع موجک به عنوان یکی از ابزارهای محاسبات نرم جهت استخراج ویژگی­های سری­های زمانی استفاده گردیده و کارایی مدل­های موجک-ماشین بردار پشتیبان و موجک- شبکه عصبی مصنوعی برای پیش‌بینی رسوب در رودخانه‌ی آجی چای مورد بررسی قرار گرفته است. برای این منظور، در گام اول مقدار رسوب توسط ماشین بردار پشتیبان و شبکه عصبی مصنوعی پیش‌بینی شده است. سپس سری‌های زمانی دبی و رسوب توسط موجک به زیر سری‌هایی تجزیه شدند و این زیر سری‌ها جهت شبیه‌سازی رابطه دبی-رسوب وارد ماشین بردار پشتیبان و شبکه عصبی مصنوعی شدند. نتایج پیش‌بینی رسوب ماهانه نشان می‌دهند که ماشین بردار پشتیبان با ضریب تبیین 65/0DC= خروجی بهتری نسبت به شبکه عصبی مصنوعی 61/0DC= دارد. مدل‌ موجک-ماشین بردار پشتیبان نتایج بهتری در مقایسه با مدل موجک- شبکه عصبی مصنوعی نشان می‌دهد و اضافه کردن موجک باعث افزایش دقت مدل‌های ماشین بردار پشتیبان و شبکه عصبی مصنوعی می‌شود، برای نمونه 65/0 DC_SVM= به 82/0 DC_WSVM= ارتقاءیافته است.