مقایسه عملکرد مدل های هوش مصنوعی در تخمین پارامترهای کیفی آب رودخانه در دوره هایکم آبی و پرآبی

وقوع متناوب دوره های کم آبی و پرآبی درحوضه آبریز زرینهرود علاوه بر تاثیر روی وضعیت کمی آب های سطحی، باعث تغییراتی در کیفیت آب این حوضه شده است. لذا، مدل بندی و پیش بینی پارامترهای کیفی آب رودخانه زرینه رود در دوره های کم آبی و پرآبی، یکی از ضرورت های تحقیقاتی در این رودخانه پرآب شمال غرب ایران بوده است. در این مطالعه، روش های شبکهه ای عصبی مصنوعی به ازای پنج الگوریتم آموزشی مختلف و سامانه استنتاجی عصبی-فازی تطبیقی مبتنی بر مدل دسته بندی تفریقی، جهت تخمین میزان جامدات محلول TDS به کار گرفته شدند. بدین منظور از داده- های کیفیت آب هفت ایستگاه هیدرومتری در حوضه آبریز مذکور با طول دوره آماری 18 ساله 1389-1372 استفاده گردید. ابتدا دوره مطالعاتی مذکور بر اساس میزان جریان در رودخانه به دو دوره کم آبی و پرآبی تفکیک شده، سپس در یک آنالیز اولیه آماری، پارامترهای موثر اصلی در تخمین TDS تعیین و برای مدل بندی استفاده گردید. برای مدل بندی 75 درصد داده ها برای کالیبره کردن و 25 درصد برای ارزیابی مدل استفاده شده است. ارزیابی عملکرد مدل های به کار رفته بر اساس آزمون های آماری مختلف، ضریب همبستگی، ریشه میانگین مربعات خطا و میانگین قدر مطلق خطا انجام گرفت.نتایج حاصل حاکی از عملکرد قابل قبول هر دو روش شبکه های عصبی مصنوعی با الگوریتم آموزشی لونبرگ-مارگارت و سامانه استنتاجی عصبی-فازی تطبیقی در دوره های کمآبی و پرآبی بود. مقایسه عملکرد روش های به کار گرفته شده، نشان داد که عملکرد روش عصبی-فازی تطبیقی در هر دو دوره مطالعاتی بهتر از شبکه های عصبی مصنوعی می باشد.

Keywords:

جامدات محلول , زرینه رود , سامانه استنتاجی عصبی- فازی تطبیقی , شبکه عصبی مصنوعی