تاثیر توزیعهای احتمالاتی در افزایش دقت پیشبینی رسوب معلق با استفاده از شبکههای عصبی مصنوعی و سیستم استنتاج فازی-عصبی(مطالعه موردی: حوزه آبخیز سد دز)
نویسندگان
1 دانشیاردانشکده منابع طبیعی و محیط زیست دانشگاه فردوسی مشهد، ایران.
2 دانشجوی دکتری علوم و مهندسی آبخیزدارای، دانشکده منابع طبیعی و کویر شناسی دانشگاه یزد، ایران.
3 دانشجوی دکتری، علوم و مهندسی آبخیزدارای، دانشکده منابع طبیعی و کویر شناسی دانشگاه یزد، ایران.
doi
10.22059/jrwm.2016.61686چکیده
توجه به ماهیت دادههای رسوب و انتخاب روشهای مناسب پردازش بر روی دادهها قبل از ورود به مدلهای هوش مصنوعی از جمله مواردی است که میتواند نتایج حاصل از شبیهسازیها را به واقعیت نزدیک سازد. در این تحقیق تأثیر روشهای پردازش دادههای رسوب قبل از ورود به دو مدل شبکههای عصبی مصنوعی و سیستمهای استنتاج فازی-عصبی در هفت ایستگاه حوضه سد دز مورد بررسی قرار گرفته است. بر این اساس با توجه به توزیعهای احتمالاتی حاکم بر دادهها سه سناریو در نظر گرفته شد. سناریوی اول بدون هیچگونه پردازش و با استفاده از اصل دادهها، سناریوی دوم، پردازش دادهها از طریق استانداردسازی و در سناریوی سوم با توجه به حاکمیت توزیعهای لگاریتمی بر دادههای رسوب، از لگاریتم دادهها استفاده گردید. نتایج شبیهسازیها در دو مدل، کارایی بهتر و خطای کمتر را در شرایط استفاده از لگاریتم دادهها به خصوص در ایستگاههایی که بهترین توزیعهای احتمالاتی آنها یکی از توزیعهای لگاریتمی میباشد، نشان دادند. درنهایت، مدل فازی عصبی با ضریب همبستگی 95/0، 4/5RMSE=، 4/1 MSE=و 42/0 ME= در ایستگاه بیاتون و در شرایط استفاده از لگاریتم دادهها بهترین عملکرد را نشان داد.