تاثير توزيع هاي احتمالاتي در افزايش دقت پيش بيني رسوب معلق با استفاده از شبكه 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 كه مي-تواند نتايج حاصل از شبيه سازيها را به واقعيت نزديك سازد. در اين تحقيق تاثير روش هاي پردازش داده هاي رسوب قبل از ورود به دو مدل شبكه 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 حاكم 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 حاكميت توزيع هاي لگاريتمي بر داده هاي رسوب، از لگاريتم داده ها استفاده گرديد. نتايج شبيه سازي ها در دو مدل، كارايي بهتر و خطاي كمتر را در شرايط استفاده از لگاريتم داده ها به خصوص در ايستگاه هايي كه بهترين توزيع هاي احتمالاتي آن ها يكي از توزيع هاي لگاريتمي مي باشد، نشان دادند. درنهايت، مدل فازي عصبي با ضريب همبستگي 95/0، 4/5RMSE=، 4/1 MSE=و 42/0 ME= در ايستگاه بياتون و در شرايط استفاده از لگاريتم داده ها بهترين عملكرد را نشان داد.