ارزیابی و پیش بینی کیفیت آب رودخانه تالار با استفاده از مدل های یادگیری عمیق و تحلیل های آماری

مدیریت پایدار منابع آب سطحی نیازمند پایش مستمر و تحلیل دقیق کیفیت آب در بازه های زمانی مختلف است. این پژوهش با هدف ارزیابی کیفیت آب رودخانه تالار در دوره های کم آبی (شهریور) و پرآبی (اردیبهشت) انجام شد. طی بازدیدهای میدانی، ۱۵ نقطه نمونه برداری در کاربری های مختلف تعیین گردید. نمونه ها از عمق ۱۵ تا ۳۰ سانتی متری زیر سطح آب، در دو نوبت برداشت شدند. نتایج نشان داد در دوره پرآبی، هدایت الکتریکی (EC) و کل جامدات محلول (TDS) با یون های محلول مانند کلسیم (Ca)، منیزیم (Mg) و سدیم (Na) همبستگی مثبت قوی دارند (r>۰.۹۴). همچنین، pH با فلزات سنگین نظیر آلومینیوم(r=-۰.۳۵) و سیلیسیم (r=-۰.۲۸) همبستگی منفی داشت که به تغییرات حلالیت این عناصر در شرایط اسیدی مربوط است. تحلیل مولفه های اصلی (PCA) نشان داد در دوره کم آبی، دو مولفه اصلی بیش از ۹۰ درصد واریانس داده ها را توضیح می دهند. مولفه اول تحت تاثیر یون های محلول مانند سدیم، کلرید و گوگرد بود، در حالی که مولفه دوم با پارامترهایی چون EC و کدورت مرتبط بود. در دوره پرآبی، مولفه اول با ۹۵.۶۹ درصد واریانس، عمدتا تحت تاثیر TDS و EC قرار داشت. مدل سازی غلظت کلسیم با استفاده از مدل های یادگیری عمیق نشان داد که مدل CNN عملکرد بهتری نسبت به LSTM دارد. در ایستگاه شیرگاه، مدل CNN با ضریب همبستگی ۰.۷۵ تطابق بیشتری با داده های واقعی داشت، درحالی که LSTM ضریب ۰.۶ نشان داد.

کلیدواژه ها:

دیاگرام تیلور ، تحلیل مولفه های اصلی (PCA) ، ضریب همبستگی پیرسون ، فلزات سنگین