بررسی عملکرد تبدیلات موجک و لگاریتم در بهبود کارایی مدلهای هوشمند مطالعه موردی: بار رسوب معلق رودخانه Skunk

یکی از دلایل پیچیدگی پیشبینی پدیدههای هیدرولوژیکی وجود نویز و نوسانات با فرکانس بالا در آنها میباشد. در این تحقیق با بهرهگیری از دو مدل هوشمند شبکه عصبی مصنوعی و برنامهریزی بیان ژن، بار رسوب معلق رودخانهSkunk واقع در ایالت آیوا آمریکا مدلسازی گردید. در ادامه، تاثیر نویززدایی توسط تبدیلات موجک و پیش پردازش توسط تبدیلات لگاریتمی، در بهبود نتایج مورد بررسی قرار گرفت. نتایج حاکی از آن است که دقت هر دو مدل هوشمند با سری زمانی نویززدایی شده نسبت به حالت بدون نویززدایی افزایش قابل توجهی داشته است. نتایج مربوط به شبکه عصبی مصنوعی آموزش دیده با سری زمانی پیش پردازش شده توسط تبدیلات لگاریتمی نیز بررسی گردید. نتایج نشان داد که با وجود سادگی عملکرد توابع لگاریتمی نسبت به نویززدایی توسط تبدیلات موجک نتایج تا حدود زیادی (اندکی کمتر از نویززدایی) بهبود یافته است. همچنین بر خلاف حالت نویززدایی، داده پیشبینی شده منفی نیز وجود ندارد؛ در حالیکه پیش پردازش توسط تبدیلات لگاریتمی در مدل برنامهریزی بیان ژن بهبودی در نتایج ارائه نکرده است و تا حدود اندکی باعث افزایش خطا گردیده است.