بهبود عملکرد مدل شبکه عصبی مصنوعی با کمک تبدیل موجک و روش PCA برای مدل سازی و پیش بینی اکسیژن مورد نیاز بیولوژیکی (BOD)
نویسنده:
چکیده:
در دهه های اخیر، توسعه مدلهای هوش مصنوعی برای پیش بینی پدیده های هیدرولوژیکی کاربرد زیادی پیدا کرده است. در این مطالعه، توانایی مدلهای شبکه عصبی مصنوعی به منظور مدلسازی و پیشبینی اکسیژن مورد نیاز بیولوژیکی (BOD) در رودخانه کارون واقع در غرب کشور ایران ارزیابی شد. به منظور بهبود نتایج شبیهسازی از آنالیز موجک به عنوان مدل ترکیبی استفاده شد. سری زمانی ماهانه شاخص BOD رودخانه کارون در ایستگاه ملاثانی به مدت 13سال (1381 1393) و با استفاده از متغیرهای کمکی اکسیژن محلول (DO)، جریان رودخانه و دمای ماهانه شبیهسازی شد. بهترین ورودی مدلهای به کار گرفته شده با استفاده از روش تجزیه و تحلیل مولفه های اصلی (PCA) انتخاب شد. برای ارزیابی و مقایسه عملکرد مدلها از جذر میانگین مربعات خطا (RMSE)، ضریب تعیین (R2) و معیار اطلاعاتی آکائیک (AIC) استفاده شد. نتایج به دست آمده بیانگر آن بود که شبکه عصبی مصنوعی میزان خطای 0412/0 و ضریب تعیین 76/0 دارد و اعمال تبدیل موجک روی داده های ورودی مدل، سبب بهبود نتایج تا ضریب تعیین 89/0 و میزان خطای 0273/0 شد.
کلیدواژگان:
تبدیل موجک ، رودخانه کارون ، BOD ، PCA
زبان:
فارسی
انتشار در:
صفحات:
569 تا 585
لینک کوتاه:
magiran.com/p1646890
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 1,390,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!