پیش بینی باررسوبی معلق با استفاده از مدل ترکیبی موجک (Wavelet)- رگرسیون فرآیند گاوسی (GPR)

ارایه راهکاری مناسب جهت تعیین دقیق بار معلق رودخانه ها در پروژه های آبی از اهمیت خاصی برخوردار می باشد. امروزه استفاده از سیستم های هوش مصنوعی به عنوان ابزاری جدید جهت برآورد دقیق رسوبات رودخانه ها مورداستفاده قرار می گیرد. در تحقیق حاضر مدل ترکیبی موجک-رگرسیون فرآیند گاوسی به منظور پیش بینی بار رسوبی معلق رود آبیاکا مورداستفاده قرار گرفت. بدین منظور یک دوره آماری 11 ساله (1992 تا 2002) که 8 سال آن (1992 تا 2000) جهت آموزش و 3 سال (2000 تا 2002) جهت آزمون مورداستفاده قرار گرفت. ترکیب مختلف داده های ورودی و تاخیرهای زمانی متفاوت در این تحقیق مورد ارزیابی قرار گرفت. نتایج نشان داد مدل ترکیبی موجک- رگرسیون فرآیند گاوسی دقت بالاتری را در مدل سازی دارا می باشد و موجک دیمی با R2 و RMSE برابر با 98/0 و 14/38 بهترین عملکرد را از خود نشان دادند. همچنین نتایج به دست آمده بیانگر کاهش دقت مدل سازی در استفاده از تاخیرهای زمانی سالانه در پیش بینی می باشد.

کلیدواژه ها:

موجک ، رسوب معلق ، پیش پردازش ، سری زمانی ، پیش بینی