مدل سازي پارامترهاي كمي وكيفي آب رودخانه شاوور با استفاده از شبكه عصبي مصنوعي

با توجه به اهميت آبها در بخش شرب و كشاورزي، شبيه سازي و پيش بيني تغييرات كيفي آن از نيازهاي روزافزون بشر محسوب مي گردد. در اين تحقيق، روش هوش مصنوعي شبكه هاي عصبي (ANN) جهت برآورد پارامترهاي كمّي و كيفي آب رودخانه شاوور شامل جامدات محلول (TDS)، دبي (Q)، مقدار شوري (EC) و نسبت جذب سديم (SAR) به كار گرفته شد. بدين منظور، از داده هاي كيفيت آب ايستگاه مركزي شاوور با طول دوره آماري 31 ساله(1395-1365) استفاده گرديد. مدل سازي پارامترهاي مذكور بر اساس ساير پارامترهاي شيميايي همچون قليائيت آب (PH)، كلرايد (CL)، سولفات (SO4)، كلسيم (Ca)، منيزيم (Mg)، سديم (Na) و ميزان بارندگي (R) انجام شد. جدول ضريب همبستگي متغيرهاي ورودي با مقدار خروجي تشكيل و معني داري همبستگي متغيرهاي ورودي با خروجي از نظر آماري بررسي گرديد. كاليبراسيون به وسيله 85 درصد داده ها (براي آموزش 70درصد و صحت سنجي 15 درصد) انجام و عملكرد روش ها با استفاده از 15درصد داده هاي باقي مانده ارزيابي شد. براي مقايسه مقادير اندازه گيري شده با مقادير پيش بيني شده از شاخصه هاي كمي جذر ميانگين مربعات خطا نرمال شده(NRMSE)، ضريب كارايي نش و ضريب تعيين (R2)استفاده شد. نتايج نشان داد روش شبكه عصبي كارايي بالايي در پيش-بيني مقادير پارامترهاي كيفي آب دارد. مقدار بالاي ضريب همبستگي به دست آمده بين پارامترهاي مدل سازي شده بيان گر نزديك بودن مقادير پيش بيني گرديده با داده هاي اندازه گيري شده و توانايي و دقت بالاي روابط بين متغيرهاي ورودي با خروجي است. نتايج اين مطالعه از اهميت زيادي در جهت برنامه ريزي و مديريت يكپارچه كيفيت منابع آب و حفاظت و بهره وري مناسب از آن در منطقه مطالعاتي برخوردار مي باشد.