اصلان اگدرنژاد - استادیار گروه علوم و مهندسی آب، دانشکده کشاورزی و منابع طبیعی، دانشگاه آزاد اسلامی اهواز
صفورا اسدی کپورچال - استادیار گروه علوم خاک، دانشکده علوم کشاورزی، دانشگاه گیلان، رشت
میثاق پرهیزکار - گروه علوم خاک، دانشکده علوم کشاورزی، دانشگاه گیلان، رشت

هدف از انجام این پژوهش، مقایسه کارآیی مدل شبکه عصبی مصنوعی و رگرسیون در تخمین و شبیه سازی پارامتر کیفیمقدار کل جامدات محلول (TDS) در ایستگاه پل فولاد رودخانه کارون بود. بدین منظور روش شبکه عصبی مصنوعیپرسپترون چند لایه و رگرسیون برای داده های پنج ساله (ساله های 1388 الی 1392) ایستگاه پل فولاد مورد آزمون قرارگرفت. اطلاعات ورودی برای پارامتر TDS شامل هدایت الکتریکی، نسبت جذب سدیم، واکنش، کلسیم، منیزیم و سدیم بود.برای سنجش عملکرد هر یک از مدل ها از آماره های ضریب همبستگی، ریشه مربع میانگین خطا و میانگین قدر مطلق خطااستفاده شد. نتایج نشان داد که شبکه عصبی مصنوعی دارای دقت و انعطاف بالاتری نسبت به مدل های آماری رگرسیونی بودهو ضریب همبستگی بین داده های واقعی و پیش بینی شده نزیک یک بود. همچنین، مدل MLP برای ماه اسفند نسبت بهسایر ماه های سال، با بیشترین ضریب همبستگی (0/999) و کمترین میانگین قدر مطلق خطا (0/31) بهترین برآورد را نشان داده است در نهایت، شبکه عصبی مصنوعی ابزاری مناسب برای تعیین پارامترهای کیفی آب رودخانه کارون محسوب شده و بادقت قابل قبول و سرعت بالا قادر به مشخص کردن پارامتر TDS بوده و می تواند جایگزین مناسبی برای روش های آماری وسبب صرفه جویی اقتصادی گردند.

رگرسیون، شبکه عصبی مصنوعی، مدل، مقدار کل جامدات محلول