کاهش پارامترهای کیفی آب زاینده رود با استفاده از تحلیل مولفه های اصلی و شبیه سازی اثر کاربری اراضی و بارش روی برخی فاکتورهای کیفیت آب

کیفیت آب رودخانه ها و پایش آن از نظر محیط زیست و کشاورزی از اهمیت بالایی برخوردار است. در این پژوهش به منظور کاهش پارامترهای ارزیابی کیفیت آب رودخانه از تحلیل مولفه های اصلی (PCA) و برای شبیه سازی تاثیر کاربری اراضی و بارندگی بر برخی از خصوصیات آب رودخانه زاینده رود از شبکه عصبی مصنوعی (ANN) استفاده شد. برای این منظور برخی اطلاعات مربوط به کیفیت آب ۱۲ ایستگاه در مسیر رودخانه جمع آوری شده و تجزیه و تحلیل مولفه اصلی برای کاهش آرایه های داده اصلی موثر بر کیفیت آب رودخانه زاینده رود اعمال شد. پس از استخراج کاربری اراضی و بارندگی در حوضه زاینده رود مدل سازی اثر این دو فاکتور روی برخی از خصوصیات آب رودخانه ( ۴۶۰۸ عدد) با استفاده از الگوریتم پس انتشار انجام شد و میانگین مربعات خطا محاسبه شد. نتایج آنالیز PCA نشان داد که در شش مولفه اول ۷۸/۹۴ درصد کل واریانس را شامل می شود. در نتایج با آموزش ANN ضریب تعیین کل ۷۹/۰ و مجذور متوسط مربعات خطا برابر ۲۰/۰ برآورد شد. نتایج نشان داد ضریب تعیین برای SAR، TDS، EC و Na به ترتیب (۸۸/۰، ۸۴/۰، ۸۳/۰ و ۸۳/۰) است که نشان دهنده دقت بالای پیش بینی های شبکه است. نتایج ضریب نش ساتکلیف نشان داد برای همه فاکتورهای اندازه گیری شده (به جز pH، CO۳ و دبی) مناسب است و بالای ۶/۰ است و این مقدار نشان می دهد که مدل توانسته است به خوبی تغییرات مشاهده شده را تبیین کند و پیش بینی های نسبتا دقیقی ارائه دهد. نتایج نشان داد مقادیر کاهش یافته در PCA همان فاکتورهای پیش بینی شده با بالاترین ضریب تعیین در مدل ANN است بنابراین PCA ابزاری برای تصمیم گیری و حل مسئله برای مدیریت بهتر کیفیت آب رودخانه به منظور کاهش اندازه گیری ها است.

کلیدواژه ها:

رودخانه ، ضریب نش ، شبکه عصبی مصنوعی ، کیفیت آب