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)

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری علوم و مهندسی آبخیزدارای، دانشکده منابع طبیعی و کویر شناسی دانشگاه یزد، ایران.

2 دانشیاردانشکده منابع طبیعی و محیط زیست دانشگاه فردوسی مشهد، ایران.

3 دانشجوی دکتری، علوم و مهندسی آبخیزدارای، دانشکده منابع طبیعی و کویر شناسی دانشگاه یزد، ایران.

چکیده

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.

کلیدواژه‌ها