بكارگيري مدل هاي تركيبي موجك شبكه عصبي مصنوعي و ماشين بردار پشتيبان در پيشبيني بار رسوب معلق آجي چاي

شبيه سازي و ارزيابي رسوب رودخانه و ايجاد ارتباط بين دبي جريان  و رسوب از جمله مسائل مهم و كاربردي در مديريت منابع آب و محيط زيست در استفاده از مخازن سدها، سامان دهي رودخانه‌ها و عاملي براي جلوگيري از هزينه اضافي است. در اين تحقيق، از تابع موجك به عنوان يكي از ابزارهاي محاسبات نرم جهت استخراج ويژگي هاي سري هاي زماني استفاده گرديده و كارايي مدل هاي موجكماشين بردار پشتيبان  و موجك شبكه عصبي مصنوعي براي پيش‌بيني رسوب در رودخانه‌ي آجي چاي مورد بررسي قرار گرفته است. براي اين منظور، در گام اول مقدار رسوب توسط ماشين بردار پشتيبان و شبكه عصبي مصنوعي پيش‌بيني شده است. سپس سري‌هاي زماني دبي و رسوب توسط موجك به زير سري‌هايي تجزيه شدند و اين زير سري‌ها جهت شبيه‌سازي رابطه دبيرسوب وارد ماشين بردار پشتيبان و شبكه عصبي مصنوعي شدند. نتايج پيش‌بيني رسوب ماهانه نشان مي‌دهند كه ماشين بردار پشتيبان با ضريب تبيين 65/0DC= خروجي بهتري نسبت به شبكه عصبي مصنوعي 61/0DC= دارد. مدل‌ موجكماشين بردار پشتيبان نتايج بهتري در مقايسه با مدل موجك شبكه عصبي مصنوعي نشان مي‌دهد و اضافه كردن موجك باعث افزايش دقت مدل‌هاي ماشين بردار پشتيبان و شبكه عصبي مصنوعي مي‌شود، براي نمونه 65/0 DCSVM=  به  82/0 DCWSVM= ارتقاءيافته است.