مقایسه عملکرد مدلهای شبکه عصبی موجکی، رگرسیون خطیچند متغیره و شبکه عصبی- مصنوعی در تخمین اکسیژن خواهیشیمیایی رودخانه کرج

چکیده مقاله

رودخانهها از جمله با ارزشترین اکوسیستمهای آبی هستند که سلامت آنها سبب حفظ بقای کلیه موجودات زنده میگردد در این تحقیق برحسب ضرورت پیشبینی کیفیت رودخانهها، عملکرد مدل های شبکه عصبی ANN ترکیبی شبکه عصبی موجک WANN و رگرسیون خطی چندمتغیره MLR درپیش بینی غلظت اکسیژن خواهی شیمیایی COD ایستگاههای خروجیسدتنظیمی و پلکمپ واقع در رودخانه کرج، مورد ارزیابی قرارگرفت از دوره آماری 141 ماهه از شهریور 1378 تا اردیبهشت 1390 بهعنوان ورودی مدل ها استفاده شد این مدلها تنهابا استفاده ازCOD در ماههای گذشته، به پیش بینی غلظتCODیک ماه بعد پرداختند کارایی مدلها با ضریب تببین و ریشه میانگین خطای مربع ارزیابی شدند درادامه، قابلیت هر سه مدل، برای پیشبینی نقاط پیک سری زمانی که دارای اهمیت بسزایی هستند، بررسی شد نتایج، حاکی از دقت بالای مدل ترکیبیWANN بهدلیل توانایی آن در شبیهسازی نوسانات پیچیده و غیرخطی سیگنال بهواسطه تجزیه سری زمانی به زیرسری های تقریب و جزئیات است

کلیدواژه‌ها

نویسندگان

طاهر رجایی

گروه مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه قم، قم

رقیه رحیمی بنماران

گروه مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه قم، قم

�جایی، طاهر و رحیمی بنماران، رقیه،1394،مقایسه عملکرد مدلهای شبکه عصبی موجکی، رگرسیون خطیچند متغیره و شبکه عصبی- مصنوعی در تخمین اکسیژن خواهیشیمیایی رودخانه کرج،دهمین کنگره بین المللی مهندسی عمران،تبریز

ارائه‌شده در

مجموعه مقالات دهمین کنگره بین المللی مهندسی عمران15 اردیبهشت 1394 · تبریز