مدل‌سازي اكسيژن محلول با استفاده از روش يادگيري عميق و روش‌هاي پيش‌پردازنده

آلودگي آب يك مشكل بزرگ جهاني است كه به ارزيابي مداوم و تجديدنظر در سياست منابع آبي در همه سطوح احتياج دارد. اكسيژن محلول (DO) يكي از مهم ترين شاخص هاي كيفيت آب است. در مطالعه حاضر، پارامتر كيفي اكسيژن محلول در آب با استفاده از روش هوشمند حافظه طولاني كوتاه‌مدت (LSTM) بر پايه روش­هاي پيش‌پردازنده تبديل موجك گسسته (DWT) و روش تجزيه مد تجربي كامل (CEEMD) در دو حالت زماني و مكاني در پنج ايستگاه متوالي بر روي رودخانه ساواناه مورد بررسي قرار گرفت. نتايج حاصل از تحليل مدل ها قابليت و كارايي بالاي روش به‌كاررفته را در تخمين ميزان اكسيژن محلول در آب به خوبي نشان داد. از طرفي ديگر روش هاي پيش‌پردازنده باعث بهبود نتايج شدند. هم‌چنين در بررسي هاي انجام‌شده مشاهده شد كه نتايج حاصل از تجزيه براساس تبديل موجك در مدل‌سازي مكاني، به ميزان دو درصد و هم‌چنين تجزيه مد تجربي در مدل‌سازي زماني، به ميزان 15 درصد ميزان خطاي RMSE را كاهش داد. بهترين حالت ارزيابي براي داده هاي آزمون با استفاده از تجزيه مد تجربي در حالت مدل‌سازي زماني مربوط به يك روز قبل با مقادير DC=0/977، R=0/988 و 0/017=RMSE به‌دست آمد. هم‌چنين در مدل‌سازي مكاني جهت تخمين اكسيژن محلول در ايستگاه سوم نيز مشخص شد نتايج حاصل از ورودي هاي پارامتر اكسيژن محلول در يك روز قبل ايستگاه دوم و دو روز قبل ايستگاه اول بهترين نتيجه را دارا مي باشد.