اثر نويز در پيش‌بيني زماني جريان و انتقال آلودگي در محيط متخلخل با استفاده از مدل‌هاي هوش مصنوعي

زمينه و هدف: عدم قطعيت پارامترهاي صحرايي، نويز در داده هاي مشاهداتي و شرايط مرزي نامشخص از مهم‌ترين عوامل محدود كننده در مدل‌سازي جريان و انتقال آلودگي در محيط‌هاي متخلخل است.روش بررسي: در اين تحقيق، دشت مياندوآب به‌عنوان مطالعه موردي براي شبيه سازي تراز آب زيرزميني و غلظت كلرايد انتخاب شد. براي مدل‌سازي زماني انتقال آلودگي از روش‌هاي هوش مصنوعي استفاده شد. در روش پيشنهادي، ابتدا سري هاي زماني تراز آب زيرزميني و غلظت كلرايد در پيزومترهاي مختلف با استفاده از روش آستانه موجك رفع نويز شدند. در ادامه اثر نويز و رفع نويز در سري هاي زماني تراز آب زيرزميني و غلظت كلرايد در مدل‌هاي هوش مصنوعي موردبررسي قرارگرفت. براي اين منظور، 14 پيزومتر مختلف با استفاده از شبكه عصبي مصنوعي و سيستم عصبيفازي تطبيقي براي تخمين غلظت كلرايد در يك ماه بعد، آموزش و اعتبارسنجي شدند.يافته ها: نتايج نشان داد كه روش آستانه موجك براي رفع نويز سري هاي زماني مي تواند تا 25 درصد كارايي مدل‌هاي هوش مصنوعي را افزايش دهد. همچنين توانايي مدل عصبيفازي تطبيقي در هر دو مرحله آموزش و صحت سنجي به دليل كارايي منطق فازي براي غلبه بر عدم قطعيت پديده از شبكه عصبي مصنوعي بيش تر بوده است.بحث و نتيجه گيري: استفاده از رفع نويز موجكي سري هاي زماني به عنوان پيش پردازش داده ها در پيش بيني زماني جريان آب زيرزميني و انتقال آلاينده ها، كارايي مدل هاي هوش مصنوعي را افزايش مي دهد.