بهبود عملکرد مدل های هوشمند بر پایه الگوریتم موجک و تبدیلات لگاریتمیدر تخمین بار رسوب معلق

سال انتشار: 1395
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 436

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JSW-30-1_010

تاریخ نمایه سازی: 2 آبان 1396

چکیده مقاله:

یکی از دلایل پیچیدگی تخمین و پیش بینی پدیده های هیدرولوژیکی و به خصوص سری های زمانی وجود ویژگی هایی نظیر روند، نویز و نوسانات با فرکانس بالا در آنها می باشد که با استفاده از پیش پردازش داده ها به وسیله نویززدایی و تبدیلات لگاریتمی، می توان برخی عوامل پنهان و تاثیرگذار در این پیچیدگی را شناسایی و حذف نمود و یا درک این ویژگی ها را برای مدل های پیش بینی ساده تر نمود. در این تحقیق با استفاده ازدو مدل هوشمند برنامه ریزی بیان ژن و شبکه عصبی مصنوعی تخمین بار رسوب معلق مورد بررسی قرار می گیرد، سپس میزان تاثیر دو رویکرد نویززدایی و تبدیلات لگاریتمی به عنوان پیش پردازشگر، در بهبود نتایج مورد ارزیابی و مقایسه قرار می گیرد. به منظور نویززدایی از تبدیلات موجک استفاده شده است. نتایج تحقیق نشان می دهد پس از نویززدایی، معیار نش-ساتکلیف در شبکه عصبی مصنوعی و برنامه ریزی بیان ژن به ترتیب 0/15 و 0/14 افزایش داشته و مقدار جذر میانگین مجذورات خطا نیز در شبکه عصبی مصنوعی از 199/24 به 141/17 میلی گرم بر لیتر و در برنامه ریزی بیان ژن از 234/84 به 193/89 میلی گرم بر لیتر کاهش یافته است. تاثیر رویکرد تبدیلات لگاریتمی نیز در بهبود نتایج شبکه عصبی مصنوعی تا حدود زیادی مشابه با رویکرد نویززدایی می باشد. در حالی که در برنامه ریزی بیان ژن تاثیر ن امطلوب داشته و پس از تبدیلات لگاریتمی Ln و log، معیار نش ساتکلیف از 0/57 به ترتیب به 0/31 و 0/21 کاهش یافته است و مقدار جذر میانگین مجذورات خطا نیز از 234/84 میلی گرم بر لیتر به ترتیب به 298/41 میلی گرم بر لیتر 318/72 میلی گرم بر لیتر افزایش یافته است.

کلیدواژه ها:

نویسندگان

رضا حاجی آبادی

دانشجوی دکتری گروه آب، دانشکده مهندسی عمران، دانشگاه علم و صنعتایران

سعید فرزین

استادیار گروه مهندسی آب و سازه های هیدرولیکی، دانشکده مهندسی عمران،دانشگاه سمنان

یوسف حسن زاده

استاد گروه آب، دانشکده مهندسی عمران، دانشگاه تبریز