شبیه سازی SAR و SO4 آب رودخانه با استفاده از شبکه های عصبی مصنوعی و پارامترهای کیفی آب (مطالعه موردی:رودخانه سفیدرود)

در جامعه امروز با توجه به کاهش منابع آب، استفاده بهینه از آن به عنوان یک هدف کلی مدنظر بوده و با چنین دیدگاهی اولین قدم، برنامه ریزی و تصمیم گیری درست و اصولی در راستای مدیریت کیفی و حفاظت از منابع آبی موجود می باشد. در این مطالعه به منظور بررسی، پیش بینی و شبیه سازی کیفیت آب از داده های ماهانه ی برخی پارامترهای کیفی از جمله SO4 ،SAR ،Na ،TDs ،Mg ،Ca ،Cl ،HCO3 ،EC،PH و دبی بادوره آماری 15 ساله (88-74) در ایستگاه آستانه ی رودخانه سفیدرود استفاده شد. شبکه مورد استفاده برای مدلسازی، شبکه عصبی مصنوعی از نوع پرسپترون چندلایه با روش پیشخور پسانتشار خطا (FFBP) و تابع آموزش و انتقال لونبرگ-مارکورآت و Logsig می باشد.برای پیش بینی هر یک از پارامترهای سولفات (SO4) و درصد جذب سدیم در آب (SAR) ترکیبات ورودی مختلفی وارد شد که با استفاده از سه شاخص ضریب همبستگی (R) جذر میانگین مربعات خطا (RMSE) و میانگین قدر مطلق خطا (MAE) مورد مقایسه قرار گرفتند و برای بهترین ساختار با تعداد نرون بهینه، ضریب کارایی نش- ساتکلیف (NS) محاسبه شد. نتایج نشان داد که مدل شبکه عصبی در پیش بینی دو پارامتر فوق به خوبی عمل کرده است.

کلیدواژه ها:

شبکه عصبی مصنوعی ، پارامترهای کیفی آب ، شبیه سازی ، SAR ، SO4