ارزیابی و مقایسه عملکرد شبکه های عصبی مصنوعی GFF,MLP در شبیه سازی شاخص کیفی Sar مطالعه موردی رودخانه سیستان

ازم همترین پارامترهای کیفی آب نسبت جذبی سدیم SAR است که برآورد و یافتن مدلی بصرفه برای پیش بینی SAR ضروری به نظر می رسد یکی از مدلهای پیش بینی کیفی که اخیرا کاربرد زیادی را در مهندسی آب پیدا نمودها ست مدل شبکه های عصبی مصنوعی می باشد تحقیق حاضر به منظور شبیه سازی آب رودخانه سیستان درطی سالهای 75تا89 درایستگاه های پایاب سد کهک با استفاده از پارامترهای کلر CL شوری eC قلیائیت PH و کل مواد محلول TDS با استفاده از شبکه عصبی مصنوعی با الگوریتم های GFF,MLP صورت پذیرفت بدین منظوردرهر مورد شبکه با ساختارهای مختلف مورد بررسی قرار گرفت درنهایت با ارزیابی تمام یمدهای مشخص گردید که هنگامی که از شبکه عصبی از نوع MLP با یک لایه پنهان و با تعداد 5 نرون استفاده شد شاخص sAR با MSE=1/05 Á R2 =0/92 بهتر از دیگر مدلها پیش بینی گردید.

کلیدواژه ها:

رودخانه سیستان ، شبکه عصبی مصنوعی ، SAR -GFF- MLP