حسن احمدی - دانشجوی کارشناسی ارشد منابع آب، دانشکده آب و خاک، دانشگاه زابل
پرویز حقیقت جو - دانشیار، گروه مهندسی آب، دانشکده آب و خاک، دانشگاه زابل
حلیمه پیری - استادیار، گروه مهندسی آب، دانشکده آب و خاک، دانشگاه زابل

با توجه به اهمیت آبها در بخش شرب و کشاورزی، شبیه سازی و پیش بینی تغییرات کیفی آن از نیازهای روزافزون بشر محسوب می گردد. در این تحقیق، روش هوش مصنوعی شبکه های عصبی (ANN) جهت برآورد پارامترهای کمی و کیفی آب رودخانه شاوور شامل جامدات محلول (TDS)، دبی (Q)، مقدار شوری (EC) و نسبت جذب سدیم (SAR) به کار گرفته شد. بدین منظور، از داده های کیفیت آب ایستگاه مرکزی شاوور با طول دوره آماری 31 ساله((1365-1395 استفاده گردید. مدلسازی پارامترهای مذکور بر اساس سایر پارامترهای شیمیایی همچون قلیائیت 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 معنیداری 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 روشها با استفاده از 15درصد داده های باقیمانده 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. نتایج نشان داد روش شبکه عصبی کارایی بالایی در پیش بینی مقادیر پارامترهای کیفی آب دارد. مقدار بالای ضریب همبستگی به دست آمده بین پارامترهای مدلسازی شده بیانگر نزدیک بودن مقادیر پیش بینی گردیده با داده های اندازه گیری شده و توانایی و دقت بالای روابط بین متغیرهای ورودی با خروجی است. نتایج این مطالعه از اهمیت زیادی در جهت برنامه ریزی و مدیریت یکپارچه کیفیت منابع آب و حفاظت و بهره وری مناسب از آن در منطقه مطالعاتی برخوردار میباشد.

مدل سازی، شبکه عصبی مصنوعی، دبی، نسبت جذبی سدیم.