ارتقاء تخمین هدایت الکتریکی رودخانه با کاربرد مدل های شبکه عصبی و استنتاج فازی- عصبی تطبیقی بر اساس روش تجزیه به مولفه های اصلی (مطالعه موردی نکارود)

تخمین تغییرات پارامترهای کیفی منابع آب از جمله هدایت الکتریکی در طول یک رودخانه ضروری است. در مقاله حاضر از شبکه عصبی مصنوعی (ANN) و استنتاج فازی-عصبی تطبیقی (ANFIS-SC) جهت تخمین هدایت الکتریکی (EC) رودخانه نکارود در دوره آماری ۲۲ ساله (۱۳۹۲-۱۳۷۱) استفاده شده است. دوره مطالعاتی مذکور بر اساس میزان جریان رودخانه به دو دوره کم­ آبی و پرآبی تفکیک شد، سپس با­استفاده از روش تجزیه به مولفه­های اصلی، پارامترهای موثر در تخمین EC تعیین و برای ورودی مدل­ها استفاده شد. نتایج نشان داد کمترین مقدار مجذور میانگین مربعات خطا (RMSE) در دوره کم ­آبی و پرآبی در دو روش مربوط به مولفه اول است که مقدار این آماره در روش ANN مربوط به دوره آموزش و صحت­سنجی در دوره کم­آبی برابر با µS/cm ۲۲/۳۵ و  ۱۰/۸۱ و در دوره پرآبی برابر با µS/cm ۶/۹۲ و ۸/۴۹تخمین زده است. در روش ANN-SC مقدار RMSE در دوره کم ­آبی در دوره آموزش و صحت سنجی برابر باµS/cm  ۲۱/۸۶ و ۱۳/۱۴ و در دوره پرآبی برابر باµS/cm  ۸/۵ و ۱۳/۱۹ به­دست آمده است. پارامترهای مولفه اول در دوره کم ­آبی شاملCa ،So۴ ،Hco۳ ،Mg ، TDS، مجموع آنیون ­ها و کاتیون ­ها و در دوره پرآبی شامل پارامترهایCa ،Hco۳ ، TDS، مجموع آنیون ­ها و کاتیون ­ها می­ باشد.

کلیدواژه ها:

Quality parameters ، dry period ، wet period ، modeling ، پارامترهای کیفی ، دوره کم آبی ، دوره پرآبی ، مدل سازی