مدلسازی جامدات محلول با استفاده از روشهای هیبریدی محاسبات نرم (مطالعۀ موردی: حوضۀ آبریز نازلوچای)
نویسندگان
1 دانشجوی دکتری مهندسی منابع آب دانشگاه ارومیه
2 استادیار گروه مهندسی آب دانشگاه کردستان
3 دانشیار گروه مهندسی آب دانشگاه ارومیه
doi
10.22059/ije.2017.63230چکیده
رودخانهها اهمیت بسیار زیادی در تأمین آب آشامیدنی و کشاورزی دارند. در این مطالعه، قابلیت روشهای منفرد و هیبریدیـ موجکی شبکههای عصبی، سامانۀ استنتاجی عصبیـ فازی تطبیقی و برنامهریزی بیان ژن برای مدلسازی میزان جامدات محلول حوضۀ آبریز نازلوچای ارزیابی شدند. به این منظور از دادههای کیفیت آب با طول دورۀ آماری 19 ساله (1372-1390)، چهار ایستگاه هیدرومتری واقع در حوضۀ آبریز نازلوچای استفاده شد. پس از بررسی صحت دادهها و ایستگاههای منتخب، با استفاده از تبدیل موجک دابچیز نوع چهارم، سیگنالهای دادههای مربوط به آن آنالیز شد. در مدلسازی از 80 درصد دادهها برای آموزش و 20 درصد دادهها برای آزمون مدلها استفاده شده است. ارزیابی عملکرد مدلهای بهکاررفته بر اساس آزمونهای آماری مختلف، ضریب همبستگی، ریشۀ میانگین مربعات خطا و میانگین قدر مطلق خطا انجام گرفت. نتایج بیانکنندۀ عملکرد قابل قبول همۀ روشهای منفرد و هیبریدیـ موجکی شبکۀ عصبی مصنوعی، سامانۀ استنتاجی عصبیـ فازی تطبیقی و برنامهریزی بیان ژن برای مدلسازی میزان جامدات محلول در حوضۀ آبریز نازلوچای است؛ ولی بهترتیب اولویت WGEP، GEP، WANFIS، ANFIS-SC،WANN، ANFIS-GP و ANN عملکرد بهتری دارند. همچنین مدل هیبریدی برنامهریزی بیان ژنـ موجکی با داشتن کمترین میزان RMSE به مقدار 078/21 بهترین عملکرد را در بین سایر مدلهای منفرد و هیبریدی دارد.