مقايسه مدلهاي شبكه عصبي موجك، ماشين بردار پشتيبان و برنامه ريزي بيان ژن در تخمين ميزان اكسيژن محلول در اب رودخانه ها

اكسيژن محلول در آب از موثرترين پارامترها در تعيين كيفيت آب رودخانه ها بوده و كنترل آن در رودخانه ها از مهم ترين عوامل توسعه منابع آب هر منطقه است. به همين دليل در اين پژوهش عملكرد مدلهاي شبكه عصبي موجك، ماشين بردار پشتيبان و برنامه ريزي بيان ژن را جهت تخمين اكسيژن محلول در آب رودخانه كامبرلند واقع در ايالت تنسي مورد بررسي قرار گرفت. براي اين منظور سري زماني ماهانه شاخص DO رودخانه كامبرلند در طي يك دوره 10 ساله (20062016) با استفاده از پارامترهاي دبي جريان و دما شبيه سازي شد. معيارهاي ضريب همبستگي، ريشه ميانگين مربعات خطا و ميانگين قدر مطلق خطا براي ارزيابي و عملكرد مدلها مورد استفاده قرار گرفت. نتايج نشان داد ساختارهاي تركيبي در هر سه مدل عملكرد بهتري نسبت به ساير ساختارها ارائه مي دهد. همچنين نتايج حاصل از معيارهاي ارزيابي نشان داد از بين مدلهاي بكار رفته، مدل شبكه عصبي موجك با بيشترين ضريب همبستگي (960/0)، كمترين جذر ميانگين مربعات خطا (668/0) و نيز كمترين ميانگين قدرمطلق خطا (519/0) را در مرحله صحت سنجي دارا مي باشد. در مجموع نتايج نشان داد به لحاظ توانايي بالاي شبكه عصبي موجك و حذف نويزهاي سري هاي زماني در تخمين پارامترهاي كيفي آب رودخانه، اين مدل مي‌تواند، راهكاري مناسب و سريع در مديريت كيفيت منابع آب و اطمينان از نتايج پايش كيفي و كاهش هزينه هاي آن مطرح شود.