مقایسه مدل های Wavelet-MLP و Wavelet-GMDH در پیش بینی هدایت الکتریکی (EC) و نسبت جذب سدیم (SAR) در رودخانه زاینده رود

پیام:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:
 
سابقه و هدف
افزایش تقاضای آب و گسترش آلودگی منبع های آب در اثر افزایش فعالیت های کشاورزی، شهری و صنعتی موجب ایجاد مشکل های محیط زیستی در بسیاری از منطقه های جهان شده است. افزایش قابل توجه بار آلودگی و گوناگونی آلاینده ها ی مختلف شهری، کشاورزی و صنعتی نیاز به مدیریت تلفیقی کمی و کیفی سیستم های منبع های آب را بیش از پیش ضروری ساخته است. پیش بینی های دقیق کوتاه مدت و بلند مدت پارامتر های کیفی رودخانه بویژه برای طراحی ساز ه های هیدرولیکی، برنامه ریزی آبیاری، بهره برداری بهینه از مخازن و برنامه ریزی محیطی ضروری است. با توجه به ویژگی های تصادفی بودن رخدادهای هیدرولوژیکی، پیش بینی وضعیت آینده آب های سطحی همیشه با نبود قطعیت هایی همراه است. هدف پژوهش حاضر، بررسی عملکرد دو نوع شبکه عصبی مصنوعی MLP و GMDH بصورت تکی و همراه با تبدیل موجک گسسته (DWT1) برای پیش بینی دو پارامتر کیفی مهم هدایت الکتریکی (EC) و نسبت جذب سدیم (SAR) در ایستگاه هیدرومتری زمانخان رودخانه زاینده رود در 1، 2 و 3 ماه آینده است.
مواد و روش ها
در پژوهش حاضر، داده های کیفیت آب رودخانه زاینده رود در ایستگاه زمانخان در طول سال های 1363 الی 1384 مورد استفاده قرار گرفت. از مجموع 22 سال داده، 15 سال ( کمابیش 70 درصد) برای آموزش و 7 سال ( 30 درصد) برای آزمون مدل های توسعه داده شده مورد استفاده قرار گرفتند. دو نوع موجک مادر dmey و db4 مورد ارزیابی قرار گرفتند همچنین پارامترهای آماری نظیر RMSE و R2 برای بررسی عملکرد مدل ها مورد استفاده قرار گرفتند. نتایج و بحث: نتایج نشان داد که استفاده از تبدیل موجک گسسته موجب بهبود عملکرد مدل ها شده است. ترکیب های مختلفی از داده های ورودی (تاخیرهای مختلف) و دو نوع موجک های مادر مورد ارزیابی قرار گرفت. نتایج نشان داد که مدل های ترکیبی موجک-MLP و موجک- GMDH در هر دو پارامتر کیفی EC و SAR در بازه های مورد پیش بینی نسبت به مدلهای تکی MLP و GMDH دارای توانایی و دقت بالاتری در پیش بینی می باشند. نتایج مدل های بدون تبدیل موجک تنها در پیش بینی SAR یک ماه بعد عملکرد خوبی داشتند و قادر به پیش بینی های دو و سه ماه بعد نبودند. در پارامتر EC، مدل های MLP و GMDH دارای عملکرد بهتری بودند. همچنین نتایج نشان داد که استفاده از تاخیرهای زمانی سالانه موجب افزایش دقت نمی شود و در برخی موارد حتی سبب کاهش دقت نیز می گردد. بررسی انواع موجک های مادر نیز نشان داد که موجک dmey مناسبترین نوع موجک برای پیش بینی پارامترهای کیفی EC و SAR می باشد. مقایسه دو مدل موجک-MLP و موجک- GMDH نشان دهنده برتری نسبی مدل موجک-MLP بود. با افزایش بازه پیش بینی از 1 ماه تا 3 ماه آینده دقت مدل ها کاهش پیدا کرد. این کاهش دقت در پیش بینی پارمتر SAR بیشتر بود، بطوریکه R2 در پیش بینی 1 ماه بعد SAR برابر 936/0 و در پیش بینی 3 ماه بعد به 516/0 کاهش یافت. در پارامتر EC نیز R2 در پیش بینی 1 ماه بعد تا 3 ماه بعد از 981/0 به 641/0 کاهش یافت.
نتیجه گیری
نتایج تحقیق حاضر می تواند بعنوان مبنایی برای برنامه ریزی های آینده در مورد کیفیت آب مصرفی باشد. پیشنهاد می شود مدل بیان شده در پژوهش حاضر در دیگر رودخانه های کشور نیز مورد بررسی قرار گیرد. همچنین ترکیب دیگر مدل های هوشمند نظیر ANFIS و SVM با تبدیل موجک نیز می توانند مورد بررسی و ارزیابی قرار گیرند.
زبان:
فارسی
صفحات:
135 تا 152
لینک کوتاه:
magiran.com/p1940146 
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 990,000ريال 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.
دسترسی سراسری کاربران دانشگاه پیام نور!
اعضای هیئت علمی و دانشجویان دانشگاه پیام نور در سراسر کشور، در صورت ثبت نام با ایمیل دانشگاهی، تا پایان فروردین ماه 1403 به مقالات سایت دسترسی خواهند داشت!
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 50 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!