مدلسازی اکسیژن محلول با استفاده از روش یادگیری عمیق و روشهای پیشپردازنده
نویسندگان
1 گروه مهندسی آب، دانشکده مهندسی عمران، دانشگاه تبریز، تبریز، ایران.
2 گروه مهندسی آب، دانشکده مهندسی عمران، دانشگاه تبریز، تبریز، ایران.
doi
10.22059/jwim.2022.345864.1005چکیده
آلودگی آب یک مشکل بزرگ جهانی است که به ارزیابی مداوم و تجدیدنظر در سیاست منابع آبی در همه سطوح احتیاج دارد. اکسیژن محلول (DO) یکی از مهمترین شاخصهای کیفیت آب است. در مطالعه حاضر، پارامتر کیفی اکسیژن محلول در آب با استفاده از روش هوشمند حافظه طولانی کوتاهمدت (LSTM) بر پایه روشهای پیشپردازنده تبدیل موجک گسسته (DWT) و روش تجزیه مد تجربی کامل (CEEMD) در دو حالت زمانی و مکانی در پنج ایستگاه متوالی بر روی رودخانه ساواناه مورد بررسی قرار گرفت. نتایج حاصل از تحلیل مدلها قابلیت و کارایی بالای روش بهکاررفته را در تخمین میزان اکسیژن محلول در آب به خوبی نشان داد. از طرفی دیگر روشهای پیشپردازنده باعث بهبود نتایج شدند. همچنین در بررسیهای انجامشده مشاهده شد که نتایج حاصل از تجزیه براساس تبدیل موجک در مدلسازی مکانی، به میزان دو درصد و همچنین تجزیه مد تجربی در مدلسازی زمانی، به میزان 15 درصد میزان خطای RMSE را کاهش داد. بهترین حالت ارزیابی برای دادههای آزمون با استفاده از تجزیه مد تجربی در حالت مدلسازی زمانی مربوط به یک روز قبل با مقادیر 977/0=DC، 988/0=R و 017/0=RMSE بهدست آمد. همچنین در مدلسازی مکانی جهت تخمین اکسیژن محلول در ایستگاه سوم نیز مشخص شد نتایج حاصل از ورودیهای پارامتر اکسیژن محلول در یک روز قبل ایستگاه دوم و دو روز قبل ایستگاه اول بهترین نتیجه را دارا میباشد.