بهبود عملکرد مدل شبکۀ عصبی مصنوعی با کمک تبدیل موجک و روش PCA برای مدلسازی و پیشبینی اکسیژن مورد نیاز بیولوژیکی (BOD) | ||
| مجله اکوهیدرولوژی | ||
| مقاله 7، دوره 3، شماره 4، 1395، صفحه 569-585 اصل مقاله (1.02 M) | ||
| نوع مقاله: پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ije.2016.60359 | ||
| نویسندگان | ||
| فریدون رادمنش* 1؛ امیر پورحقی؛ اباذر سلگی2 | ||
| 1دانشیار گروه هیدرولوژی و منابع آب، دانشکدۀ مهندسی علوم آب، دانشگاه شهید چمران اهواز | ||
| 2دانشجوی دکتری مهندسی منابع آب، دانشکدۀ مهندسی علوم آب، دانشگاه شهید چمران اهواز | ||
| چکیده | ||
| در دهههای اخیر، توسعۀ مدلهای هوش مصنوعی برای پیشبینی پدیدههای هیدرولوژیکی کاربرد زیادی پیدا کرده است. در این مطالعه، توانایی مدلهای شبکۀ عصبی مصنوعی بهمنظور مدلسازی و پیشبینی اکسیژن مورد نیاز بیولوژیکی (BOD) در رودخانۀ کارون واقع در غرب کشور ایران ارزیابی شد. بهمنظور بهبود نتایج شبیهسازی از آنالیز موجک بهعنوان مدل ترکیبی استفاده شد. سری زمانی ماهانۀ شاخص BOD رودخانۀ کارون در ایستگاه ملاثانی بهمدت 13سال (1381ـ 1393) و با استفاده از متغیرهای کمکی اکسیژن محلول (DO)، جریان رودخانه و دمای ماهانه شبیهسازی شد. بهترین ورودی مدلهای بهکار گرفتهشده با استفاده از روش تجزیه و تحلیل مؤلفههای اصلی (PCA) انتخاب شد. برای ارزیابی و مقایسۀ عملکرد مدلها از جذر میانگین مربعات خطا (RMSE)، ضریب تعیین (R2) و معیار اطلاعاتی آکائیک (AIC) استفاده شد. نتایج بهدستآمده بیانگر آن بود که شبکۀ عصبی مصنوعی میزان خطای 0412/0 و ضریب تعیین 76/0 دارد و اعمال تبدیل موجک روی دادههای ورودی مدل، سبب بهبود نتایج تا ضریب تعیین 89/0 و میزان خطای 0273/0 شد. | ||
| کلیدواژهها | ||
| تبدیل موجک؛ رودخانۀ کارون؛ BOD؛ PCA | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 2,305 تعداد دریافت فایل اصل مقاله: 1,262 |
||