تحلیل دقت و عدم قطعیت مدل‌های هوشمند در پیش‌بینی ضریب انتشار طولی رودخانه‌ها

پیش‌بینی دقیق ضریب انتشار طولی در رودخانه‌های طبیعی تا حد بسیار زیادی در تعیین توزیع غلظت آلاینده‌ها در چنین محیط‌هایی مؤثر است. عدم قطعیت موجود در نتایج به‌دست آمده از مدل‌های پیش‌بینی می‌تواند در تصمیم‌گیری‌های مناسب برای برخورد با مواد آلاینده در رودخانه‌ها تأثیر منفی داشته باشد. به‌همین دلیل، تحلیل و تعیین عدم قطعیت مدل‌های مورد استفاده برای پیش‌بینی این پارامتر بسیار مفید است. در این تحقیق با توجه به اهمیت این امر، با استفاده از مدل‌های شبکه عصبی (ANN) و نروفازی تطبیقی (ANFIS)، ابتدا مدل مناسب برای پیش‌بینی ضریب انتشار طولی در رودخانه‌های طبیعی ارائه گردید و در ادامه تحلیل عدم قطعیت دو مدل مذکور بر مبنای روش مونت-کارلو انجام شد. برای این منظور از اطلاعات هیدرولیکی و هندسه جریان استفاده گردید. نتایج این تحقیق بیانگر این مطلب بود که اگرچه مدل ANN در پیش‌بینی ضریب انتشار طولی دارای عملکرد خوبی است، اما نتایج این مدل با عدم قطعیت زیادی همراه است. با مقایسه نتایج به‌دست آمده از تحلیل عدم قطعیت دو مدل ANN و ANFIS مشخص گردید که مدلANFIS  نسبت به مدل ANN از عدم قطعیت کمتری برخوردار است و از این لحاظ بر مدل ANN برتری دارد.