تاثير توزيع هاي احتمالاتي در افزايش دقت پيش بيني رسوب معلق با استفاده از شبکه هاي عصبي مصنوعي و سيستم استنتاج فازي-عصبي (مطالعه موردي: حوزه آبخيز سد دز)

توجه به ماهيت داده هاي رسوب و انتخاب روش هاي مناسب پردازش بر روي داده ها قبل از ورود به مدل هاي هوش مصنوعي از جمله مواردي است که مي تواند نتايج حاصل از شبيه سازي ها را به واقعيت نزديک سازد. در اين تحقيق تاثير روش هاي پردازش داده هاي رسوب قبل از ورود به دو مدل شبکه هاي عصبي مصنوعي و سيستم هاي استنتاج فازي-عصبي در هفت ايستگاه حوضه سد دز مورد بررسي قرار گرفته است. بر اين اساس با توجه به توزيع هاي احتمالاتي حاکم بر داده ها سه سناريو در نظر گرفته شد. سناريوي اول بدون هيچ گونه پردازش و با استفاده از اصل داده ها، سناريوي دوم، پردازش داده ها از طريق استاندارد سازي و در سناريوي سوم با توجه به حاکميت توزيع هاي لگاريتمي بر داد ه هاي رسوب، از لگاريتم داده ها استفاده گرديد.نتايج شبيه سازي ها در دو مدل، کارايي بهتر و خطاي کمتر را در شرايط استفاده از لگاريتم داده ها به خصوص در ايستگاه هايي که بهترين توزيع هاي احتمالاتي آن ها يکي از توزيع هاي لگاريتمي مي باشد، نشان دادند. درنهايت، مدل فازي عصبي با ضريب همبستگي 0.95، RMSE=5.4، MSE=1.4 و ME=0.42 در ايستگاه بياتون و در شرايط استفاده از لگاريتم داده ها بهترين عملکرد را نشان داد.