آرش ادیب - استاد، گروه مهندسی عمران، دانشکده مهندسی، دانشگاه شهید چمران اهواز، اهواز، ایران
هیوا فرج پناه - دانشجوی کارشناسی ارشد، گروه مهندسی عمران، دانشکده مهندسی، دانشگاه شهید چمران اهواز، اهواز، ایران
محمد محمودیان شوشتری - استاد، گروه مهندسی عمران، دانشکده مهندسی، دانشگاه شهید چمران اهواز، اهواز، ایران
ایمان احمدیان فر - استادیار، گروه مهندسی عمران، دانشکده مهندسی، دانشگاه صنعتی خاتم الانبیاء بهبهان، بهبهان، ایران

رودخانه‌ها مهم‌ترین منابع آب آشامیدنی، کشاورزی و صنعت به‌شمار می‌روند. ازاین‌رو بررسی و تخمین پارامترهای کیفی آب در طول یک رودخانه باید مورد توجه قرار گیرد. در این پژوهش از سه مدل سیستم سامانه استنتاجی عصبی- فازی تطبیقی (ANFIS)، حداقل مربعات ماشین‌بردار پشتیبان (LS-SVM) و برنامه‌ریزی بیان ژن (GEP) برای تخمین برخی از پارامترهای کیفی آب (کل جامدات محلول، هدایت الکتریکی و سختی کل) رودخانه سفیدرود طی یک دوره آماری 40 ساله استفاده شد. ارزیابی این سه روش هوش مصنوعی توسط معیارهای آماری ضریب هم‌بستگی (R)، ضریب کارایی نش- ساتکلیف (NSE)، مربع میانگین خطای استاندارد نرمال شده (NMSE) و میانگین قدر مطلق خطا (MAE) انجام شد. نتایج حاصل از این پژوهش نشان داد که هر سه روش هوش مصنوعی ANFIS، LS-SVM و GEP قابلیت بسیار زیادی در تخمین پارامترهای کیفی TDS، TH، EC دارند. به‌صورتی که برای تخمین TDS روش LS-SVM، (RTrain=0.95 RTest=0.96) ، برای تخمین EC، روش GEP، (RTrain=0.94 RTest=0.95) و برای تخمین TH روش ANFIS، ((RTrain=0.92 RTest=0.94 بهترین شبیه‌سازی را انجام دادند. این پژوهش نشان می‌دهد که با استفاده از روش‌های هوش مصنوعی می‌توان غلظت پارامترهای کیفی را در صورت عدم اندازه‌گیری آنها و بر اساس غلظت سایر پارامترهای کیفی محاسبه کرد.

سفیدرود, کیفیت آب, ANFIS, LS-SVM, GEP