تخمین حدود پیش بینی شبکه عصبی مصنوعی برای مدلسازی بار معلق رسوب

در این مطالعه، پیش بینی نقطه ای شبکه عصبی مصنوعی برای مدلسازی بار معلق رسوب در رودخانه لیقوان چای واقع درشمال غربی ایران، در مقیاس روزانه و ماهانه مورد ارزیابی قرار گرفته است. با توجه به این که پیش بینی نقطه ای شبکه عصبی هیچ اطلاعاتی درباره ی دقت پیش بینی نمی دهد، بنابراین فواصل پیش بینی با استفاده از روش بوت استرپ به عنوان روشی رایج برای ارزیابی عدم قطعیت مدل سازی با شبکه عصبی مصنوعی مورد استفاده قرار گرفته است. همچنین، دقت فواصل پیش بینی با معیار عرض و همگرایی فواصل پیش بینی کمیت سنجی شده است. بعلاوه، مقدار تجمعی بار معلق رسوب با استفاده از پیش بینی نقطه ای و فواصل پیش بینی محاسبه شده است. نتایج حاکی از عملکرد بهتر مدل سازی در مقیاس روزانه در مقایسه با مقیاس ماهانه است و معیار ضریب نش ساتکلیف 32 % برای مدلسازی در مقیاس روزانه بیشتر از مدل سازی در مقیاس اهانه بوده است. همچنین، عرض و همگرایی فواصل پیش بینی ساخته شده در مقیاس روزانه به ترتیب، 14 % و 24 % کمتر و بیشتر از مقیاس ماهانه بوده است. نتایج به دست آمده نشان دهنده ی عملکرد مناسب روش بوت استرپ در پوشش مقادیر مشاهداتی است

Keywords:

بار معلق رسوب , شبکه عصبی مصنوعی , فواصل پیش بینی , روش بوت استرپ