ارزیابی کارایی مدل تلفیقی شبکه عصبی مصنوعی و آنالیز موجک در پیش‌بینی غلظت شاخص کیفی اکسیژن محلول در مخزن سد بولدر
مدیریت کمی و کیفی منابع آب به منظور تامین تقاضا برای کاربری‌های مختلف از رویکردهای مهم سیاست‌گذاری در هر کشور است. در این راستا پایش کیفیت آب مخازن سدها به عنوان یک گام اساسی در مدیریت این منابع با ارزش اهمیت ویژه‌ای دارد. دراین تحقیق مدل‌های شبکه عصبی مصنوعی، رگرسیون خطی چند متغیره و مدل تلفیقی شبک...
Saved in:
| Main Authors: | , |
|---|---|
| Format: | Article |
| Language: | fas |
| Published: |
Gorgan University of Agricultural Sciences and Natural Resources
2016-01-01
|
| Series: | پژوهش‌های حفاظت آب و خاک |
| Subjects: | |
| Online Access: | https://jwsc.gau.ac.ir/article_2941_fbc22887fab01d7336e8c930102d47c9.pdf |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: | مدیریت کمی و کیفی منابع آب به منظور تامین تقاضا برای کاربری‌های مختلف از رویکردهای مهم سیاست‌گذاری در هر کشور است. در این راستا پایش کیفیت آب مخازن سدها به عنوان یک گام اساسی در مدیریت این منابع با ارزش اهمیت ویژه‌ای دارد. دراین تحقیق مدل‌های شبکه عصبی مصنوعی، رگرسیون خطی چند متغیره و مدل تلفیقی شبکه عصبی مصنوعی با تبدیل موجک بمنظور پیش‌بینی غلظت اکسیژن محلول در مخزن سد بولدر واقع در ایالت کلرادو آمریکا بکار گرفته شده است. در مدل تلفیقی، سری زمانی داده‌های اندازه‌گیری شده شاخص کیفی اکسیژن محلول با استفاده از تبدیل موجک در سطوح مختلف تجزیه شد و زیرسری‌های موثر در غلظت اکسیژن محلول در یک ماه آینده به عنوان ورودی‌های شبکه عصبی بکار گرفته شد. نتایج نشان داد که مدل تلفیقی نتایج دقیق‌تری را نسبت به مدل‌های عصبی و رگرسیونی بدست می‌دهد و استفاده از تبدیل موجک به مقدار قابل توجهی دقت نتایج حاصل از مدلسازی را بهبود می‌بخشد. مقادیر E و RMSE داده‌های آزمایشی برای این مدل به ترتیب 96/0 و 22/0 حاصل شده است. همچنین نتایج نشان داد که مدل‌های تلفیقی و عصبی نقاط مینیمم را که شرایط بی‌هوازی را در مخزن ایجاد می‌کند، به خوبی پیش‌بینی می‌کند ولی مدل رگرسیونی عملکرد خوبی در پیش‌بینی شرایط بی‌هوازی ندارد. |
|---|---|
| ISSN: | 2322-2069 2322-2794 |