پیش بینی سری زمانی رسوب با استفاده از تئوری موجک ماشین بردار پشتیبان و تئوری موجک- شبکه عصبی

در این تحقیق از ترکیب ماشین بردار پشتیبان و شبکه عصبی مصنوعی با تئوری موجک استفاده شده است. گام هایگذشته دبی و رسوب و ترکیب آنها به عنوان ورودی مدل انتقال داده شد. در این مدل ترکیبی با استفاده از آنالیز موجک،سری زمانی به زیرسری های تقریب و زیرسری های جزئیات تجزیه شده و سپس این زیر سری ها وارد شبکه عصبیمصنوعی و ماشین بردار پشتیبان می شوند. خروجی مدل را گام زمانی آینده پیش بینی خواهد کرد.از شاخص های آماری نظیر میانگین قدر مطلق خطا (MAE) و ضریب تبیین ((R(2) و جذر میانگین مربعات خطا (RMSE)برای ارزیابی مدل استفاده گردید. نتایج نشان داد که ترکیب تئوری موجک با شبکه عصبی مصنوعی دارای نتایج مناسبتری می باشد.

کلیدواژه ها:

تئوری موجک ، شبکه عصبی مصنوعی ، ماشین بردار پشتیبان ، رسوب روزانه ، رسوب سیلابی