بهبود عملکرد شبکه عصبی مصنوعی با استفاده از تبدیل موجک در شبیه سازی جریان(مطالعه موردی: رودخانه گاماسیاب)

پیش بینی جریان رودخانه ها و برآورد سیلاب آن ها از جمله مسائل مهم در ارتباط با پروژه های سیلاب، تولید انرژی برقابی و مسائل مربوط به تخصیص آب برای کشاورزی، صنعت و شرب است. در این پژوهش، تجزیه و تحلیل موجک به صورت ترکیب با شبکه عصبی مصنوعی برای شبیه سازی جریان رودخانه گاماسیاب در شهرستان نهاوند در دو مقیاس زمانی روزانه و ماهانه انجام شد. بدین منظور، سری زمانی اصلی با استفاده از تئوری موجک به چندین زیرسیگنال زمانی تجزیه شد، سپس این زیرسیگنال ها به عنوان داده های ورودی به شبکه عصبی مصنوعی برای شبیه سازی جریان استفاده و با نتایجی که از کاربرد شبکه عصبی مصنوعی به دست آمد، مقایسه گردید. نتایج نشان داد که مدل ترکیبی شبکه عصبی مصنوعی- موجک عملکرد بهتری نسبت به مدل شبکه عصبی مصنوعی دارد. تجزیه سیگنال با موجک همبستگی میان داده های مشاهداتی و محاسباتی را نسبت به مدل شبکه عصبی مصنوعی افزایش می دهد، به طوری که در دوره روزانه حدود ۳ درصد و در دوره ماهانه حدود ۲۴ درصد سبب افزایش ضریب تعیین شده است. همچنین نتایج نشان داد که مدل ترکیبی در برآورد نقاط حدی عملکرد بهتری نسبت به مدل شبکه عصبی مصنوعی دارد.

Keywords:

شبیه سازی جریان , شبکه عصبی مصنوعی , موجک , رودخانه گاماسیاب نهاوند , مدل ترکیبی