مدلسازی پارامترهای کیفی (هدایت الکتریکی و کل مواد جامد محلول) رودخانه کارون در ایستگاه های ملاثانی، اهواز و فارسیات با بهره‌گیری از روش‌های مبتنی بر داده‌کاوی

زمینه و هدف: رودخانه‌ ها از مهمترین منابع آب هستند که آلودگی این منابع می ‌تواند تاثیر مستقیم بر زندگی انسان ­ها و محیط زیست داشته باشد. در پژوهش حاضر، پارامترهای کیفی EC و TDS رودخانه کارون در سه ایستگاه آب‌سنجی ملاثانی، اهواز و فارسیات با استفاده از الگوریتم‌های مبتنی بر داده ­کاوی شامل LSSVM، ANFIS و ANN مدلسازی شده است. روش بررسی: هشت سری داده مختلف شامل ترکیب Cl-1، Ca+2، Na+1، Mg+2، K+1، CO3، HCO3، SO4 با دبی جریان (Q) به‌عنوان ورودی الگوریتم ‌ها، به روش کالیبراسیون غیرتصادفی  و تصادفی انتخاب شده است. نتایج دو روش، مورد مقایسه قرار گرفته است. در گام بعدی، مدلسازی EC و TDS براساس چهار پارامتر Na+1، Cl-1، Ca+2 و Q با تاخیرهای زمانی صفر تا سه ماهه انجام شده است. یافته‌ ها: پارامترهای Na+1، Cl-1 و Ca+2 دارای بیشترین تاثیر در مدلسازی پارامترهای EC و TDS هستند. الگوریتم LSSVM در مدلسازی هر دو پارامتر EC و TDS دارای بیشترین دقت است. در میان ایستگاه ‌های بررسی شده، بیشترین دقت برای مدلسازی EC، مربوط به ایستگاه اهواز و برای TDS، مربوط به ایستگاه ملاثانی است که به‌ترتیب 16 و 36 درصد ضریب تعیین بیشتری داشته­ اند. الگوریتم LSSVM در مدلسازی نوسانات و حداکثر پارامترهای EC و TDS در طول تغییرات زمان نیز، بیشترین دقت را دارد. نتیجه ‌گیری: روش ‌ها و مدل ‌های استفاده شده در پژوهش حاضر به‌ویژه الگوریتم LSSVM می‌ توانند ابزار مفید تصمیم‌ گیری برای پیش ­بینی و مدیریت کیفی رودخانه­ ها از جمله رودخانه ­های حوضه آبریز کارون باشند. نتایج مدلسازی پارامترهای کیفی رودخانه­ ها با بهره­ گیری از هر دو روش کالیبراسیون غیرتصادفی و تصادفی، قابل اعتماد و استفاده است. البته دقت روش کالیبراسیون تصادفی، اندکی بیشتر است.

کلیدواژه ها:

Water salinity ، Data mining ، Karun basin ، Random calibration ، Non-random calibration ، شوری آب ، داده‌کاوی ، حوضه کارون ، کالیبراسیون تصادفی ، کالیبراسیون غیرتصادفی