بهبود عملكرد مدل شبكه عصبي مصنوعي با كمك تبديل موجك و روش PCA براي مدل سازي و پيش بيني اكسيژن مورد نياز بيولوژيكي (BOD)

در دهه هاي اخير، توسعه مدل هاي هوش مصنوعي براي پيش بيني پديده هاي هيدرولوژيكي كاربرد زيادي پيدا كرده است. در اين مطالعه، توانايي مدل هاي شبكه عصبي مصنوعي به منظور مدلسازي و پيشبيني اكسيژن مورد نياز بيولوژيكي (BOD) در رودخانه كارون واقع در غرب كشور ايران ارزيابي شد. به منظور بهبود نتايج شبيه سازي از آناليز موجك به عنوان مدل تركيبي استفاده شد. سري زماني ماهانه شاخص BOD رودخانه كارون در ايستگاه ملاثاني به مدت 13سال (1381 ـ 1393) و با استفاده از متغيرهاي كمكي اكسيژن محلول (DO)، جريان رودخانه و دماي ماهانه شبيه سازي شد. بهترين ورودي مدل هاي به كار گرفته شده با استفاده از روش تجزيه و تحليل مولفه هاي اصلي (PCA) انتخاب شد. براي ارزيابي و مقايسه عملكرد مدل ها از جذر ميانگين مربعات خطا (RMSE)، ضريب تعيين (R2) و معيار اطلاعاتي آكائيك (AIC) استفاده شد. نتايج به دست آمده بيانگر آن بود كه شبكه عصبي مصنوعي ميزان خطاي 0412/0 و ضريب تعيين 76/0 دارد و اعمال تبديل موجك روي داده هاي ورودي مدل، سبب بهبود نتايج تا ضريب تعيين 89/0 و ميزان خطاي 0273/0 شد.