بکارگیری مدل های ترکیبی موجک- شبکه عصبی مصنوعی و ماشین بردار پشتیبان در پیش بینی بار رسوب معلق آجی چای

شبیه سازی و ارزیابی رسوب رودخانه و ایجاد ارتباط بین دبی جریان  و رسوب از جمله مسائل مهم و کاربردی در مدیریت منابع آب و محیط زیست در استفاده از مخازن سدها، سامان دهی رودخانه‌ ها و عاملی برای جلوگیری از هزینه اضافی است. در این تحقیق، از تابع موجک به عنوان یکی از ابزارهای محاسبات نرم جهت استخراج ویژگی های سری های زمانی استفاده گردیده و کارایی مدل های موجک-ماشین بردار پشتیبان  و موجک- شبکه عصبی مصنوعی برای پیش‌بینی رسوب در رودخانه‌ی آجی چای مورد بررسی قرار گرفته است. برای این منظور، در گام اول مقدار رسوب توسط ماشین بردار پشتیبان و شبکه عصبی مصنوعی پیش ‌بینی شده است. سپس سری‌ های زمانی دبی و رسوب توسط موجک به زیر سری‌هایی تجزیه شدند و این زیر سری ‌ها جهت شبیه‌سازی رابطه دبی-رسوب وارد ماشین بردار پشتیبان و شبکه عصبی مصنوعی شدند. نتایج پیش‌بینی رسوب ماهانه نشان می‌دهند که ماشین بردار پشتیبان با ضریب تبیین 65.0dc= خروجی بهتری نسبت به شبکه عصبی مصنوعی 61.0dc=  دارد. مدل‌ موجک-ماشین بردار پشتیبان نتایج بهتری در مقایسه با مدل موجک- شبکه عصبی مصنوعی نشان می‌دهد و اضافه کردن موجک باعث افزایش دقت مدل‌های ماشین بردار پشتیبان و شبکه عصبی مصنوعی می‌شود، برای نمونه 65.0 dc_svm=  به  82.0 dc_wsvm=  ارتقاء یافته است.