ارزيابي مدل‌هاي هيبريدي فراكاوشي در شبيه‌ سازي اكسيژن محلول در آب رودخانه

Evaluation of hybrid metaheuristic models in simulation of dissolved oxygen in river water

آب يكي از عناصر ضروري در طبيعت است كه اساس زندگي انسان را تشكيل مي‌دهد و به رشد و توسعۀ اقتصادي جوامع كمك مي‌كند. آب سالم ارتباط تنگاتنگي با سلامت محيط زيست و فعاليت‌ها دارد. زندگي همۀ جانوران روي كرۀ زمين به آب و اكسيژن بستگي دارد. علاوه بر اين، اكسيژن محلول كافي (DO) براي بقاي جانوران آبزي بسيار مهم است. از اين‌رو، در اين پژوهش براي شبيه سازي اكسيژن محلول در آب رودخانۀ كامبرلند واقع در ايالات متحده از مدل تركيبي شبكۀ عصبي مصنوعي (ANN) با موجك و الگوريتمهاي فراابتكاري گرگ خاكستري (GWO) و خفاش (BA) در مقياس زماني ماهانه طي دورۀ آماري 2010-2020 استفاده شد. معيارهاي ضريب همبستگي (R2)، مجذور ميانگين مربعات خطا (RMSE)، ميانگين مطلق خطا (MAE) و ضريب بهرهوري نش‌ـ ساتكليف (NSE) براي ارزيابي و مقايسۀ عملكرد مدل‌ها مورد استفاده قرار گرفت. نتايج نشان داد هر سه مدل هيبريدي، در الگوهاي تركيبي نتايج بهتري نسبت به ساير الگوهاي تعيين شده دارند. همچنين، با توجه به معيارهاي ارزيابي مشخص شد كه از بين مدل‌هاي به كار رفته در شبيه‌سازي اكسيژن محلول در آب رودخانه، مدل شبكۀ عصبي مصنوعي‌ـ موجك با ضريب تعيين (958/0R2=)، ريشۀ ميانگين مربعات خطا ( 651/0RMSE=)، ميانگين قدرمطلق خطا (334/0MAE= ) و ضريب نش‌ـ ساتكليف (962/0NS=) در مرحلۀ صحت‌ سنجي عملكرد بهتري نسبت به ساير مدل‌ها از خود نشان داده است.

Water is one of the most essential elements in nature that forms the basis of human life and contributes to the economic growth and development of societies. Healthy water is closely related to environmental health and activities. The life of all animals on Earth depends on water and oxygen. In addition, adequate dissolved oxygen (DO) is essential for the survival of aquatic animals. Therefore, in this study, to simulate the dissolved oxygen of the Cumberland River in the United States from the combined artificial neural network (ANN) model with wavelet and meta-heuristic algorithms of gray wolf (GWO) and bat (BA) on a monthly time scale during the statistical period. Used 2020-2010. The criteria of correlation coefficient (R2), squared mean square error (RMSE), absolute mean error (MAE) and Nash-Sutcliffe productivity coefficient (NSE) were used to evaluate and compare the performance of the models. The results showed that all three hybrid models have better results in hybrid models than the other designated models. Also, according to the evaluation criteria, it was found that among the models used in the simulation of dissolved oxygen in river water, the model of artificial neural network-wavelet with coefficient of determination (R2 = 0.958), the root mean square error (RMSE = 0.651), The mean absolute value of error (MAE = 0.334) and Nash Sutcliffe coefficient (NS = 0.962) in the validation stage showed better performance than other models.