تاثیرتوزیع های احتمالاتی در افزایش دقت پیش بینی رسوب معلق با استفاده از شبکه های عصبی مصنوعی و سیستم استنتاج فازی- عصبی (مطالعه موردی: حوزه آبخیز سد دز)

توجه به ماهیت داده های رسوب و انتخاب روش های مناسب پردازش بر روی داده ها قبل از ورود به مدل های هوش مصنوعی از جمله مواردی است که می تواند نتایج حاصل از شبیه سازی ها را به واقعیت نزدیک سازد. در این تحقیق تاثیر روش های پردازش داده های رسوب قبل از ورود به دو مدل شبکه های عصبی مصنوعی و سیستم های استنتاج فازی-عصبی در هفت ایستگاه حوضه سد دز مورد بررسی قرار گرفته است. بر این اساس با توجه به توزیع های احتمالاتی حاکم بر داده ها سه سناریو در نظر گرفته شد. سناریوی اول بدون هیچ گونه پردازش و با استفاده از اصل داده ها، سناریوی دوم، پردازش داده ها از طریق استاندارد سازی و در سناریوی سوم با توجه به حاکمیت توزیع های لگاریتمی بر داده های رسوب، از لگاریتم داده ها استفاده گردید. نتایج شبیه سازی ها در دو مدل، کارایی بهتر و خطای کمتر را در شرایط استفاده از لگاریتم داده ها به خصوص در ایستگاه هایی که بهترین توزیع های احتمالاتی آن ها یکی از توزیع های لگاریتمی می باشد، نشان دادند. درنهایت، مدل فازی عصبی با ضریب همبستگی 95/0، 4/5RMSE=، 4/1 MSE=و 42/0 ME= در ایستگاه بیاتون و در شرایط استفاده از لگاریتم داده ها بهترین عملکرد را نشان داد.