مقایسه مدل های ماشین بردار و شبکه عصبی تابع پایه شعاعی در پیش بینی کیفیت آب سیمینه رود

Abstract

در این پژوهش عملکرد روش های ماشین بردار پشتیبان و شبکه عصبی تابع پایه شعاعی در پیش بینی کیفیت آب سیمینه رود مقایسه شده است. برای این منظور پارامترهای نسبت جذب سدیم و یون کلر به عنوان شاخص های کیفیت آب در مصارف کشاورزی در نظر گرفته شد. از داده های اندازه گیری شده یون سدیم، کلسیم، منیزیم، pH، EC و دبی جریان به عنوان ورودی مدل ها طی یک دوره آماری 12ساله (1393- 1382) در مقیاس ماهانه استفاده شد. ارزیابی نتایج بر اساس معیارهای ضریب همبستگی، جذر میانگین مربعات خطا و میانگین خطای مطلق انجام شد. نتایج دوره صحت سنجی در 4 ایستگاه پل-بوکان، داشبند بوکان، قزل‌گنبد و کاولان نشان داد که مدل ماشین بردار پشتیبان در مقایسه با شبکه عصبی تابع پایه شعاعی، دارای ضریب همبستگی بهتر(71.SVM: 0 تا 0.94، RBF: 0.3 تا 0.5)، ریشه میانگین مربعات خطای کمتر (SVM: 0.028 تا 0.075 mg/l، RBF: 0.0672 تا 0.317 mg/l)، خطای میانگین مطلق کمتر (SVM: 0.003 تا 0.033 و mg/l، RBF: 0.087 تا 0.19 mg/l) برای پارامتر یون کلر و با همان ترتیب مقادیر SVM: 0.63 تا 0.88 و RBF: 0.21 تا 0.38، SVM: 0.0013 تا 0.082 mg/l و RBF: 0.0147 تا 0/025 و mg/l، SVM: 0.0085 تا 0.046 mg/l و RBF: 0.0653 تا 0.0996 mg/l برای نسبت جذب سدیم است. لذا بر اساس نتایج مدل ماشین بردار پشتیبان نسبت به مدل شبکه عصبی تابع پایه شعاعی از دقت و عملکرد بهتری برای پیش بینی پارامترهای کیفیت آب رودخانه سیمینه رود برخوردار است.

Keywords

• پارامترهای کیفی
• مدل سازی
• منابع آب
• هوش مصنوعی