تخمین هدایت الکتریکی رودخانه ها با استفاده از شبکه عصبی موجک (مطالعه موردی: رودخانه کاکارضا)

هدایت الکتریکی (EC) عامل مهمی در مهندسی رودخانه و بویژه مطالعه کیفی آب رودخانه ها می باشد. در این پژوهش کاربرد شبکه عصبی موجک، جهت پیش بینی هدایت الکتریکی رودخانه کاکارضا موردبررسی و ارزیابی قرار گرفت و نتایج آن با مدل شبکه عصبی مصنوعی مقایسه شد. که برای این منظور هیدروژن کربنات، کلرید، سولفات، کلسیم، منیزیم، سدیم و دبی جریان در مقیاس زمانی ماهانه در طی دوره آماری (۱۳۹۳-۱۳۴۷) بعنوان ورودی و هدایت الکتریکی بعنوان پارامتر خروجی انتخاب گردید. معیارهای ضریب همبستگی، ریشه میانگین مربعات خطا و ضریب نش ساتکلیف برای ارزیابی و عملکرد مدل مورد استفاده قرار گرفت. نتایج حاصله نشان داد مدل شبکه عصبی موجک دارای بیشترین ضریب همبستگی (۹۷۷/۰)، کمترین ریشه میانگین مربعات خطا( ds/m۰۳۲/۰) و نیز بیشترین معیار نش ساتکلیف (۸۴۷/۰) در مرحله صحت سنجی در اولویت قرار گرفت. درمجموع نتایج نشان داد مدل شبکه عصبی موجک در تخمین مقادیر حداقل و حداکثر دقت بالایی از خود نشان داده است. نتایج حاکی از توانمندی قابل قبول مدل شبکه عصبی موجک در تخمین هدایت الکتریکی آب رودخانه ها است.

Keywords:

Artificial neural network , Electrical conductivity , Kakareza , Model , Wavelet neural network , شبکه عصبی موجک , شبکه عصبی مصنوعی , کاکارضا , مدل , هدایت الکتریکی