تحلیل دقت و عدم قطعیت مدل های هوشمند در پیش بینی ضریب انتشار طولی رودخانه ها

پیش بینی دقیق ضریب انتشار طولی در رودخانه های طبیعی تا حد بسیار زیادی در تعیین توزیع غلظت آلاینده ها در چنین محیط هایی مؤثر است . عدم قطعیت موجود در نتایج به دست آمده از مدل های پیش بینی می تواند در تصمیم گیری های مناسب برای برخورد با مواد آلاینده در رودخانه ها تأثیر منفی داشته باشد. به همین دلیل ، تحلیل و تعیین عدم قطعیت مدل های مورد استفاده برای پیش بینی این پارامتر بسیار مفید است. در این تحقیق با توجه به اهمیت این امر ، با استفاد از مدل های شبکه عصبی (ANN) و نروفازی تطبیقی (ANFIS) ، ابتدا مدل مناسب برای پیش بینی ضریب انتشار طولی در رودخانه های 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 پیش بینی ضریب انتشار طولی دارای عملکرد خوبی است ، اما نتایج این مدل با عدم قطعیت زیادی همراه است . با مقایسه نتایج به دست آمده از تحلیل عدم قطعیت دو مدل ANN و ANFIS مشخص گردید که مدل ANFIS نسبت به مدل ANN از عدم قطعیت کمتری برخوردار است و از این لحاظ بر مدل ANN برتری دارد.

Keywords:

مونت - کارلو , ضریب انتشار طولی , شبکه عصبی , سیستم استنتاج فازی - عصبی تطبیقی , شاخص عرض باند