مقایسه کارایی مدلهای هوشمندترکیبی عصبی موجک باروش رگرسیون خطی درتخمین مشخصه های کیفی مطالعه موردی: ایستگاه خورگورسوزان آبهای ساحلی بندرعباس

مدیریت کارایی آبهای ساحلی و حفاظت کیفی آن یکی ازعوامل توسعه پایدار محیط زیست سواحل و دریاها به شمار می ایددراین مطالعه مدلهای شبکه عصبی مصنوعی رگرسیون خطی چندمتغیره و ترکیب شبکه عصبی موجک برای تخمین مقادیر شوری و اسیدیته درمحل ایستگاه خورگورسوزان آبهای ساحلی بندرعباسی بررسی شد به منظور پیش پردازش داده های زمانی سری زمانی هردوپارامتر بوسیله توابع تبدیل مختلف درسطوح مختلفی به زیرسریها تجزیه شدند و به عنوان ورودی درالگوهای شبکه عصبی قرارگرفتند نتایج نشان داد که مدل ترکیبی موج با سرعت یادگیری بالا دقت پیش بینی را به خصوص برای مقادیر بیشینه نسبت به روش رگرسیون و شبکه عصبی افزایش و میانگین مربعات خطا را کاهش داده است اینروش ضریب تیین را برای پارامتر شوری به ترتیب از0/79و 0/62 درمدل شبکه عصبی و رگرسیون به 0/83 و برای پارامتر اسیدیته از0/82و0/55 به 0/84 افزایش داد