بررسی کفایت داده های رودخانه زاینده رود برای پیش بینی کیفیت آب با استفاده از شبکه های عصبی مصنوعی

یکی از مراحل مهم در توسعه یک شبکه عصبی، انتخاب متغیرهای ورودی و خروجی مناسب است. هنگامی که شبکه های عصبی مصنوعی برای پیش بینی زمانی متغیرها بکار می روند، انتخاب گام زمانی مناسب نیز تأثیر بسزایی در درستی مدل ارائه شده دارد. در این مقاله به بررسی این مسأله پرداخته شده است که آیا انتخاب گام زمانی ماهانه برای پیش بینی کیفیت آب رودخانه ها مناسب است؟ برای پاسخ به این سؤال، رابطه بین متغیرهای کیفی و کمی رودخانه زاینده رود، با استفاده از روش اطلاعات متقابل بررسی شده است. اطلاعات متقابل معیاری برای اندازه گیری وابستگی بین متغیرهاست.هرچه مقدار این عدد بیشتر باشد، وابستگی بیشتری بین متغیرهای مورد نظر وجود دارد. مقادیربدست آمده کوچک در این تحقیق نشان می دهد که باید از گام های زمانی کوچک تری برای پیش بینی کیفیت آب رودخانه زاینده رود استفاده شود.

کلیدواژه ها:

کیفیت آب ، زاینده رود ، شبکه های عصبی مصنوعی ، اطلاعات متقابل