قياس روش‌هاي شبكه عصبي مصنوعي و ماشين بردار پشتيبان در پيش‌بيني پارامترهاي كيفيت آب رودخانه ديناچال

پيش‌بيني پارامترهاي كيفيت آب نقش بسيار مهمي در پايش اكوسيستم رودخانه‌ها و پايداري آن ايفا مي‌كند. ازطرفي، مدل‌هاي پيش‌بيني سنتي به‌خوبي ذات غيرخطي و غيرايستاي متغيرهاي كيفيت آب را نشان نمي‌دهند. در سال‌هاي اخير، توسعه‌ سريع شبكه‌هاي عصبي‌مصنوعي بحث‌هاي مرتبط با پيش‌بيني كيفيت‌آب را متحول نموده است. در اين مطالعه، پارامترهاي كيفي رودخانه ديناچال به‌عنوان يكي از رودخانه‌هاي حياتي در استان گيلان مورد ارزيابي و پيش‌بيني قرارگرفته است. دو مدل مبتني بر شبكه‌عصبي‌مصنوعي و ماشين‌بردار‌پشتيبان ‌رگرسيوني، نُه پارامتر كيفي كل‌موادجامدمحلول، هدايت‌الكتريكي، اسيديته، Cl، SO4، HCO3، Ca، Mg و Na با گام‌هاي زماني يك ماه طي سال‌هاي 1385 تا 1397 پيش‌بيني شد و كارايي مدل‌ها توسط آماره‌هاي ارزيابي RMSE، MSE و MAPE بررسي و مقايسه شد. طبق نتايج به‌دست‌آمده، مدل SVR به‌ترتيب با (2.03=RMSE) و (0.062=RMSE) كارايي بهتري در پيش‌بيني كل‌مواد‌جامد‌محلول و غلظت منيزيم نسبت به مدل شبكه‌عصبي‌مصنوعي نشان‌داد. از‌طرف‌ديگر، مدل شبكه‌عصبي‌مصنوعي در پيش‌بيني پارامترهاي ديگر نسبتاً موفق‌تر بود. بااين‌حال، كارايي هر دو مدل در پيش‌بيني پارامترهاي كيفي رودخانه ديناچال مناسب ارزيابي شد. همچنين مدل SVR با ضريب MAPE برابر با 0.007 و مدل شبكه‌عصبي‌مصنوعي با ضريب MAPE برابر با 0.001 در پيش‌بيني پارامترهاي كل‌موادجامدمحلول و هدايت‌الكتريكي بهترين كارايي را داشتند. در مقابل، هر دو مدل SVR و ANN در پيش‌بيني پارامتر كلر ضعيف‌ترين كارايي را باوجود RMSE 0.055 و 0.052 از خود نشان دادند. روش‌هاي به‌كارگرفته‌شده در اين مطالعه مي‌تواند در پيش‌بيني كيفيت آب ديناچال مؤثر واقع شود.