بهبود نتايج پيش بيني BOD رودخانه ها بر پايه نويززدايي با مقايسه مدل هاي موجك عصبي، برنامه ريزي ژنتيك، شبكه عصبي و رگرسيون خطي (مطالعه موردي: ايستگاه خروجي سد كرج)

در اين مطالعه مدل‌هاي شبكه عصبي مصنوعي، رگرسيون خطي چند متغيره، برنامه‌ريزي ژنتيك و تركيب شبكه عصبي موجك براي پيش بيني اكسيژن‌خواهي بيوشيميايي ماهانه آب (BOD) در ايستگاه خروجي سد كرج بررسي شد و تأثير پيش‌پردازش داده‌ها روي عملكرد مدل‌ها بوسيله تجزيه موجك مورد تحقيق قرار گرفت. به اين منظور در مدل پيشنهادي اول، سري زماني BOD مشاهداتي بوسيله توابع تبديل مختلف در سطوح مختلفي به زير سري‌ها تجزيه شدند و به عنوان ورودي در مدل شبكه عصبي قرار گرفتند. در مدل پيشنهادي دوم، سري زماني BOD در ده سطح تجزيه شد. سپس حاصل جمع جبري زيرسري‌هاي مؤثر به عنوان ورودي مدل شبكه عصبي براي پيش‌بيني ماه آينده BOD درنظر گرفته شد. نتايج نشان داد كه عملكرد پيش‌بيني مدل‌هاي تركيبي موجك عصبي نسبت به شبكه عصبي، برنامه‌ريزي ژنتيك و رگرسيون بهتر است. اين مدل تركيبي براي مقادير بيشينه نيز پيش‌بيني قابل قبولي را ارائه داده است. همچنين مدل تركيبي دوم ميانگين قدرمطلق خطا را براي مدل‌هاي رگرسيون، برنامه‌ريزي ژنتيك، شبكه عصبي و مدل تركيبي اول، به ترتيب از 87/1 ، 91/0، 65/0 و 46/0 به 44/0 كاهش داد و ضريب كارايي را از 23/0، 53/0، 73/0 و 81/0 به 83/0 افزايش داد.