کاربرد شبکه عصبی مصنوعی در پیش بینی کیفیت آب رودخانه دز (مطالعه موردی: ایستگاه دزفول)

رودخانه ها از مهمترین و متداولترین منابع تامین آب آشامیدنی، کشاورزی و صنعتی به شمار می آیند. این منابع به علت عبور از بسترهای مختلف و ارتباط مستقیم با محیط پیرامون خود نوسانات کیفی زیادی دارند. از اینرو پیشبینی کیفیت جریان رودخانه ها نقش مهمی در مدیریت کیفی منابع آب ایفا مینماید. در راستای بررسی وضعیت کیفی یک منبع آبی، شاخصهایی برای کنترل کیفیت منابع آب در نظر گرفته میشود. جهت تحقق این امر، غلظت مواد جامد محلول (TDS) ، هدایت الکتریکی (EC) و نسبت جذب سدیم در ایستگاه دزفول مورد ارزیابی قرار گرفت. هدف از این تحقیق پیش بینی کیفیت منابع آب به عنوان تابعی از بارش و دبی آب به کمک شبکه های عصبی مصنوعی است. برای ایجاد الگوهای آموزش و ارزیابی و تست از داده های شرکت آب و برق خوزستان استفاده شد. توابع عضویت با نامهای سیگموئیدی و تانژانت سیگموئیدی مورد مقایسه قرار گرفت که از این بین تابع عضویت نوع سیگموئیدی بهترین نتیجه را ارائه داد. همچنین در این تحقیق شبکه عصبی با تعداد 2و3 تابع عضویت مورد استفاده قرار گرفت که بهترین نتیجه با تعداد 3 تابع عضویت حاصل شد. با به دست آمدن تغییرات کیفیت آب از شبکه های MLP و TDNN با الگوریتمهای یادگیری لونبرگ- مارکوارت برای آموزش الگوها استفاده شد. شبکه عصبی TDNN نتایج بهتری نسبت به شبکه عصبی MLP نشان داد. توابع تغییرات کیفیت آب را با ضرایب تعیین 0/906 تا 0/964 پیش بینی کردند.

کلیدواژه ها:

رودخانه دز ، کیفیت آب ، شبکه عصبی مصنوعی