ترکیب تئوری موجک با شبکه عصبی شعاعی برای پیشبینی رسوب روزانه رودخانه

در مبحث کنترل کیفی آبهای سطحی، پیشبینی و تخمین رسوبات رودخانهها در مدیریت رودخانهها و مخازن سددها بطدور ک دی درپروژههای آبی اهمیت بالایی دارد. در این تحقیق از ترکیب تئوری موجک با شبکه عصبی شعاعی استفاده شده است و این مدل توسعه یافته با مدلهدای سدایر محققدان مقایسه گردید. از دیتاهای رودخانه یادکین در آمریکا استفاده گردید و گامهای گذشته دبی و رسوب و ترکیب آنها به عنوان ورودی بدهمدل انتقال داده شد. در این مدل ترکیبی با استفاده از آنالیز موجک، سری زمانی به زیرسریهای تقریب زیرسریهای جزئیات تجزیده شده و پس از این زیرسریها وارد سیستم شبکه عصبی شعاعی میشوند. خروجی این مدل نیز رسوب را در گام زمانی آینده پیشبینی میکند. از برخی شاخصهای آماری نظیر میانگین قدرمطلق خطا ) MAE ( و ضریب تبیین ) 2 R( و جذر میانگین مربعات خطا ) RMSE ( برای ارزیابی مدل استفاده گردید. نتایج نشان داد که ترکیب تئوری موجک با شبکه عصبی دارای نتایج بهتری نسبت به سایر مدلهای ارائه شده میباشد.

کلیدواژه ها:

شبکه عصبی شعاعی ، تئوری موجک ، رسوب روزانه ، رسوبات سیلابی ، زیرسری