مقایسه کارآیی مدل های شبکه عصبی مصنوعی(ANN) و سیستم استنتاج عصبی- فازی تطبیقی(ANFIS) در تخمین پارامترهای کمی و کیفی رودخانه شاوور

پیش بینی پارامترهای کمی و کیفی آب، نقش تعیین کننده ای در مدیریت کیفی و سیاست گذاری های زیست محیطی منابع آب دارد. به لحاظ غیرخطی بودن برخی فرآیندهای فیزیکی و عدم قطعیت در مشخصه های تاثیرگذار می توان از تکنیک مدل-سازی جهت شبیه سازی و پیش بینی فرآیندهای غیرخطی و غیر قطعی، استفاده کرد. در این تحقیق، روش های هوش مصنوعی شامل شبکه های عصبی (ANN) و سیستم استنتاج عصبی- فازی تطبیقی(ANFIS) جهت برآورد پارامترهای کمی و کیفی آب رودخانه شاوور شامل جامدات محلول (TDS)، دبی (Q)، مقدار شوری (EC) و نسبت جذب سدیم (SAR) استفاده شد شد. بدین منظور، از داده های کیفیت آب ایستگاه مرکزی شاوور با طول دوره آماری 31 ساله(1395-1365) استفاده گردید. مدل سازی پارامترهای مذکور بر اساس سایر پارامترهای شیمیایی همچون قلیاییت آب (PH)، کلراید (CL)، سولفات (SO4)، کلسیم (Ca)، منیزیم (Mg)، سدیم (Na) و میزان بارندگی (R) انجام شد. جدول ضریب همبستگی متغیرهای ورودی با مقدار خروجی تشکیل و معنی داری همبستگی متغیرهای ورودی با خروجی از نظر آماری بررسی گردید. کالیبراسیون به وسیله 85 درصد داده ها (برای آموزش 70درصد و صحت سنجی 15 درصد) انجام و عملکرد روش ها با استفاده از 15درصد داده های باقی مانده ارزیابی شد. برای مقایسه مقادیر اندازه گیری شده با مقادیر پیش بینی شده از شاخصه های کمی جذر میانگین مربعات خطا نرمال شده(NRMSE)، ضریب کارایی نش و ضریب تعیین (R2)استفاده شد. مدل های شبکه عصبی و سیستم استنتاج عصبی-فازی با دقت بالایی پارامترها را براورد کردند. در بعضی موارد شبکه عصبی دارای برتری نسبی نسبت به مدل سیستم استنتاج عصبی- فازی بود.

کلیدواژه ها:

شبکه های عصبی مصنوعی ، سیستم استنتاج تطبیقی عصبی فازی ، جامدات محلول ، مقادیر شوری