پیش بینی سرعت حرکت آلودگی در رودخانه با استفاده از روش هوشمند برخورد گروهی با داده ها ( GMDH )

در پژوهش حاضر با استفاده از روش هوشمند برخورد گروهی با داده ها ( GMDH )، مدلی برای پیش بینی سرعت حرکت آلودگی در رودخانه ها توسعه داده شده است. روش GMDH یک روش پیش بینی هوشمند داده محور و متعلق به خانواده روش های فراکاوشی خودسازماندهی است که از مفاهیم جعبه سیاه، مفهوم همبستگی و استقرا استفاده می کند و دارای رویکرد خودسازماندهی بوده که به تدریج مدل های پیچیده تری در طول ارزیابی عملکرد مجموعه داده های ورودی و خروجی تولید می کند. مرحله آموزش و ارزیابی این پژوهش با استفاده از مجموعه داده های واقعی انجام شده است. پارامترهای آماری به دست آمده از الگوریتم GMDH در مرحله آموزش شامل R2، RMSE، MSRE ، MPRE و RB به ترتیب 0/8809، 0723، 0/06986/0، 51/1416 و 0/2960- می باشند و همچنین ضریب همبستگی در مرحله ارزیابی 0/9328 محاسبه شد . پارامترهای فوق برای بهترین رابطه رگرسیونی برازش داده شده برای محاسبه سرعت پیک آلودگی به ترتیب 0/3125، 0/2288، 0/5076، 0/070511 و 0/1029 می باشند. مقایسه پارامترهای آماری نشان دهنده دقت بالای محاسبات توسط الگوریتم هوشمند GMDH و عملکرد خوب مدل استفاده شده در پیش بینی سرعت پیک و برتری آن نسبت به رابطه رگرسیونی، می باشد.

کلیدواژه ها:

روش هوشمند برخورد گروهی با داده ها ( GMDH ) ، سرعت پیک آلودگی در رودخانه ، انتقال آلودگی