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

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

شبکه عصبی مصنوعی، شبکه عصبی موجکی، اکسیژن خواهی شیمیایی، رودخانه کرج