بررسی تاثیر شبکه موجک بر کارایی شبکه عصبی مصنوعی در پیش‌بینی رسوبات سیل

نوع مقاله : مقاله پژوهشی

نویسندگان

• حلیمه یار ¹
• مهدی حیات‌زاده ²
• علی فتح‌زاده ³
• حمیده افخمی ⁴

¹ دانش‌آموخته کارشناسی ارشد آبخیزداری، گروه مهندسی طبیعت، دانشگاه اردکان

² گروه مهندسی طبیعت، دانشکده کشاروزی و منابع طبیعی، دانشگاه اردکان، اردکان، ایران

³ گروه مهندسی طبیعت، دانشکده کشاورزی و منابع طبیعی، دانشگاه اردکان، اردکان، ایران.

⁴ شرکت آب منطقه ای تهران، وزارت نیرو، تهران، ایران

10.22067/geoeh.2023.80745.1342

چکیده

معمولاً سهم قابل ملاحظه‌ای از خسارت‌های ناشی از سیلاب، به رسوبات معلق در جریان سیل و هزینه‌های لایروبی ناشی از فرونشست آنها در مناطق طبیعی، مسکونی و صنعتی برمی‌گردد. از این رو هنگام وقوع سیلاب علاوه بر پارامتر دبی آب، پایش دبی رسوبات محموله در آب نیز بسیار حائز اهمیت می‌باشد. امروزه شبکه‌های عصبی مصنوعی به خوبی برای پیش‌بینی سری‌های زمانی غیرخطی توسعه یافته‌اند، اما ماهیت غیرخطی داده‌های رسوب و تاثیر گسترده‌ای از عوامل مختلف بر میزان دبی رسوب، منجر شده تا پیش‌بینی این داده‌ها همواره با چالش‌هایی مواجهه باشند. در تحقیق حاضر مقادیر داده‌های رسوب در دو ایستگاه آبنما و میناب هرمزگان قبل از ورود به شبکه عصبی مصنوعی از طریق تبدیل موجک به سیگنال‌های فرعی شکسته شد و سپس توسط شبکه عصبی مصنوعی فرایند پیش‌بینی صورت پذیرفت. همچنین به منظور بررسی تأثیر تبدیل موجک در عملکرد مدل شبکه عصبی، نتایج حاصل از این مدل ترکیبی با نتایج بدست آمده از مدل شبکه عصبی منفرد مقایسه گردید و کارایی آنها با استفاده از روش اعتبارسنجی چندتکه، همبستگی و ریشه میانگین مربعات خطا مورد ارزیابی قرار گرفت. نتایج حاصله نشان داد شبکه عصبی مصنوعی در دو ایستگاه مورد مطالعه به ترتیب با همبستگی 0.89 و 0.68 و شبکه عصبی موجکی با همبستگی 0.9 و 0.8 قادر به شبیه‌سازی میزان رسوبات هستند. همچنین آماره نرمال شده ریشه میانگین مربعات خطا به ترتیب در شبکه‌های عصبی مصنوعی 0.104 و 0.35 و در شبکه‌های ترکیبی 0.124 و0.18 به دست آمد.

کلیدواژه‌ها

• رسوب‌ معلق
• داده‌کاوی
• یادگیری ماشین
• شبکه عصبی مصنوعی
• شبکه موجک

موضوعات

• سایر

---