تخمین مواد مغذی آب مخزن سد درودزن با استفاده از مدل های هوش مصنوعی

ارزیابی و مدیریت کیفیت منابع آب سطحی و زیرزمینی در درازمدت و برنامه ریزی بهره برداری و کنترل آلودگی های این منابع اهمیت بسزایی دارد. یکی از مسایل مهم در مدیریت مخازن سدها ، بررسی کیفیت آب و تاثیر آن بر منابع آب مصرفی می باشد. ورود بیش از حد مواد مغذی به مخزن سد می تواند باعث تغذیه گرایی مخزن و تغییر کیفیت آب آن شود. در این مطالعه، برای تعیین غلظت مواد مغذی شامل نیتروژن کل TN و فسفر کل TP محلول در مخزن سد درودزن، از مدلهای سیستم استنتاج فازی عصبی -تطبیقی ANFIS، جنگل تصادفی RF، مدل درخت تصمیم M۵، پرسپترون چند لایه MLP و برنامه ریزی بیان ژن GEP استفاده شد. پارامترهای هدایت الکتریکی، کل جامدات محلول ،PH، دما، دید دیسک سکی، کلروفیلa و اکسیژن محلول و مواد مغذی محلول در آب شامل فسفر کل و نیتروژن ورودی به مخزن سد بر اساس داده های برداشت شده در ایستگاه هیدرومتری پل عباس آباد واقع در بالادست سد طی دوره یک ساله از مهرماه ۱۴۰۰ تا آبان ماه ۱۴۰۱ در شبیه سازی ها بکار گرفته شد. در همه مدل ها ۷۵% داده ها برای آموزش و ۲۵% برای آزمایش و ارزیابی مدل در نظر گرفته شد. عملکرد مدل ها با روش های آماری ارزیابی خطا شاملضریب همبستگی، جذر میانگین مربعات خطا، میانگین خطای مطلق، ضریب ناش ساتکلیف و شاخص پراکندگی انجام شد. نتایج نشان داد که مدلANFIS در میان مدلهای استفاده شده بهترین دقت را در تخمین مواد مغذی مخزن سددروزن داشته است. همچنین مدل های GEP و M۵ به ترتیب ضعیف ترین عملکرد را در تعیین مواد مغذی داشتند

Keywords:

هوش مصنوعی , مواد مغذی , کیفیت آب , سد درودزن