طاهر رجایی؛ رقیه رحیمی بنماران
چکیده
کنترل کیفیت آب رودخانه کرج، به عنوان یکی از مهم ترین منابع تأمین کننده آب از اهمیت بسزایی برخوردار است. پیش بینی پارامترهای کیفی آب، ابزاری سودمند در جهت مدیریت منابع آب می باشد. در این تحقیق، عملکرد مدل‌های شبکه عصبی مصنوعی (ANN)، مدل ترکیبی شبکه
عصبی–موجک (WANN) ورگرسیون خطی چند متغیره (MLR)، در پیش بینی یک ماه آینده یون نیترات و کلراید ...
بیشتر
کنترل کیفیت آب رودخانه کرج، به عنوان یکی از مهم ترین منابع تأمین کننده آب از اهمیت بسزایی برخوردار است. پیش بینی پارامترهای کیفی آب، ابزاری سودمند در جهت مدیریت منابع آب می باشد. در این تحقیق، عملکرد مدل‌های شبکه عصبی مصنوعی (ANN)، مدل ترکیبی شبکه
عصبی–موجک (WANN) ورگرسیون خطی چند متغیره (MLR)، در پیش بینی یک ماه آینده یون نیترات و کلراید ایستگاه ورودی آبگیر بیلقان واقع در رودخانه کرج، مورد ارزیابی قرار گرفت. برای این منظور از یک دوره آماری جهت ورودی مدل ها استفاده شد. در مدل ترکیبی WANN سری های زمانی واقعی دبی و پارامتر کیفی مورد نظر (نیترات و کلراید) توسط آنالیز موجک در سطوح مختلف تجزیه شده و به عنوان ورودی ANN به کار گرفته شد. کارایی مدل ها با ضریب تببین (E) و ریشه میانگین مربعات خطا (RMSE) ارزیابی شدند. نتایج حاکی از دقت بالای مدل ترکیبی شبکه
عصبی- موجکی نسبت به دو مدل دیگر بوده است؛ به‌طوریکه مدل ترکیبی شبکه عصبی –موجکی قادر بود میزان RMSE را برای یون نیترات در مقایسه با مدل شبکه عصبی و رگرسیون خطی چند متغیره به ترتیب به مقدار 13/30 درصد و 89/71 درصد و برای یون کلراید، به اندازه 3/31 درصد و 1/57 درصد بهبود بخشد. در ادامه، توانایی هر سه مدل، برای پیش بینی نقاط پیک سری زمانی بررسی شد که مدل ترکیبی WANNپیش بینی بهتری را در مقایسه با دو مدل دیگر در برداشت.
