تخمین پارامترهای کیفی آب با استفاده از ترکیب روش‏ ‏ماشین یادگیری قدرتمند و تئوری موجک

هریک از مصارف گوناگون آب مانند کشاورزی، شرب و صنعت نیازمند آب با کیفیتی مشخص هستند که حدود کیفی آن، با نمونه برداری های مکرر، آزمایش و تحلیل نتایج مشخص می‏شود‏. هزینه نمونه‏برداری از آب‏های سطحی، اندازهگیری پارامترهای کیفی در محیط آزمایشگاه و خطاهای انسانی، از جمله مشکلات موجود در تخمین غلظت پارامترهای کیفی اند‏. به همین منظور، برای الگوبندی پارامترهای کیفی آب، روش‏های مختلفی وجود دارد که در این بین، روش‏های داده مبنا در دهه های اخیر مورد توجه پژوهشگران قرار گرفته ‏است. بنابراین، هدف اصلی در تحقیق حاضر، تخمین و مدل‏سازی پارامترهای کیفی آب با استفاده از روش‏های داده‏کاوی نوین، بهبود عملکرد روش‏های داده‏کاوی با کمک تئوری موجک و مقایسه آنها با سایر روش‏های داده‏کاوی متداول است. به‏بیانی دیگر، با استفاده از روش‏ داده‏کاوی ماشین یادگیری قدرتمند (ELM) و شبکه عصبی پرسپترون چندلایه (MLP‏)، پارامترهای کیفی آب (‏Cl، EC‏، Mg‏ و TDS‏) مدل سازی شد. ارزیابی این دو مدل توسط معیارهای آماری ضریب همبستگی (R)‏، ریشه میانگین مربع خطا (RMSE)‏ و میانگین قدر مطلق خطا‏ (MAE) و خطای استاندارد نسبی (RSE) برای داده های دوره آماری 20 ساله‏، انجام شد. با توجه به نتایج، مشخص شد که روش ELM توانسته است به طور متوسط ضریب همبستگی معادل 97/0 را ارائه کند. با وجود آنکه هر دو مدل نتایج قابل قبولی به همراه داشتند، اما در نهایت نتایج نشان داد مدل ELM نسبت به مدل MLP دقت بیشتری برای پیش‏بینی پارامترهای کیفی آب دارد.