تخمین پارامترهای کیفی آب با استفاده از ترکیب روش‏ ‏ماشین یادگیری قدرتمند و تئوری موجک

ﻫریک از ﻣﺼﺎرف ﮔﻮﻧﺎﮔﻮن آب ﻣﺎﻧﻨﺪ ﻛﺸﺎورزی، ﺷﺮب و ﺻﻨﻌﺖ ﻧﻴﺎزﻣﻨﺪ آب ﺑﺎ ‌کیفیتی ﻣﺸﺨﺺ ﻫﺴﺘﻨﺪ ﻛﻪ حدود کیفی آن، ﺑﺎ ﻧﻤﻮﻧﻪ‌ﺑﺮداری‏ﻫﺎی ﻣﻜﺮر، آزﻣﺎﻳﺶ و ﺗﺤﻠﻴﻞ ﻧﺘﺎﻳﺞ ﻣﺸﺨﺺ ﻣﻲ‏شود‏. ﻫﺰینۀ ﻧﻤﻮﻧﻪ‏ﺑﺮداری از آب‏ﻫﺎی ﺳﻄﺤﻲ، اﻧﺪازهﮔﻴﺮی ﭘﺎراﻣﺘﺮﻫﺎی ﻛﻴﻔﻲ در ﻣﺤﻴﻂ آزﻣﺎیشگاه و ﺧﻄﺎﻫﺎی اﻧﺴﺎﻧﻲ، از ﺟﻤﻠﻪ ﻣﺸﻜﻼت ﻣﻮﺟﻮد در ﺗﺨﻤﻴﻦ ﻏﻠﻈﺖ ﭘﺎراﻣﺘﺮﻫﺎی ﻛﻴﻔﻲ‌اند‏. ﺑﻪ ﻫﻤﻴﻦ ﻣﻨﻈﻮر، ﺑﺮای اﻟﮕﻮﺑﻨﺪی ﭘﺎراﻣﺘﺮﻫﺎی ﻛﻴﻔﻲ آب، روش‏ﻫﺎی ﻣﺨﺘﻠﻔﻲ وﺟﻮد دارد ﻛﻪ در اﻳﻦ ﺑﻴﻦ، روش‏ﻫﺎی داده‌ﻣﺒﻨﺎ در دهه‏ﻫﺎی اﺧﻴﺮ ﻣﻮرد ﺗﻮﺟﻪ پژوهشگران ﻗﺮار ﮔﺮﻓﺘﻪ ‏اﺳﺖ. بنابراین، هدف اصلی در تحقیق حاضر، تخمین و مدل‏سازی پارامترهای کیفی آب با استفاده از روش‏های داده‏کاوی نوین، بهبود عملکرد روش‏های داده‏کاوی با کمک تئوری موجک و مقایسۀ آنها با سایر روش‏های داده‏کاوی متداول است. به‏بیانی دیگر، با استفاده از روش‏ داده‏کاوی ماشین یادگیری قدرتمند (elm) و شبکۀ عصبی پرسپترون چندلایه (mlp‏)، پارامترهای کیفی آب (‏cl، ec‏، mg‏ و tds‏) مدل‌سازی شد. ارزیابی این دو مدل توسط معیارهای آماری ضریب همبستگی (r)‏، ریشۀ میانگین مربع خطا (rmse)‏ و میانگین قدر مطلق خطا‏ (mae) و خطای استاندارد نسبی (rse) برای داده‏های دورۀ آماری 20 ساله‏، انجام شد. با توجه به نتایج، مشخص شد که روش elm توانسته است به طور متوسط ضریب همبستگی معادل 0.97 را ارائه کند. با وجود آنکه هر دو مدل نتایج قابل قبولی به همراه داشتند، اما در نهایت نتایج نشان داد مدل elm نسبت به مدل mlp دقت بیشتری برای پیش‏بینی پارامترهای کیفی آب دارد.