مقایسه مدلهای شبکه عصبی موجک، ماشین بردار پشتیبان و برنامه ریزی بیان ژن در تخمین میزان اکسیژن محلول در اب رودخانه ها

اکسیژن محلول در آب از موثرترین پارامترها در تعیین کیفیت آب رودخانه ها بوده و کنترل آن در رودخانه ها از مهم ترین عوامل توسعه منابع آب هر منطقه است. به همین دلیل در این پژوهش عملکرد مدلهای شبکه عصبی موجک، ماشین بردار پشتیبان و برنامه ریزی بیان ژن را جهت تخمین اکسیژن محلول در آب رودخانه کامبرلند واقع در ایالت تنسی مورد بررسی قرار گرفت. برای این منظور سری زمانی ماهانه شاخص DO رودخانه کامبرلند در طی یک دوره 10 ساله (2006-2016) با استفاده از پارامترهای دبی جریان و دما شبیه سازی شد. معیارهای ضریب همبستگی، ریشه میانگین مربعات خطا و میانگین قدر مطلق خطا برای ارزیابی و عملکرد مدلها مورد استفاده قرار گرفت. نتایج نشان داد ساختارهای ترکیبی در هر سه مدل عملکرد بهتری نسبت به سایر ساختارها ارائه می دهد. همچنین نتایج حاصل از معیارهای ارزیابی نشان داد از بین مدلهای بکار رفته، مدل شبکه عصبی موجک با بیشترین ضریب همبستگی (960/0)، کمترین جذر میانگین مربعات خطا (668/0) و نیز کمترین میانگین قدرمطلق خطا (519/0) را در مرحله صحت سنجی دارا می باشد. در مجموع نتایج نشان داد به لحاظ توانایی بالای شبکه عصبی موجک و حذف نویزهای سری های زمانی در تخمین پارامترهای کیفی آب رودخانه، این مدل می‌تواند، راهکاری مناسب و سریع در مدیریت کیفیت منابع آب و اطمینان از نتایج پایش کیفی و کاهش هزینه های آن مطرح شود.