عماد محجوبی - دانشجوی کارشناسی ارشد مهندسی محیط زیست، دانشگاه صنعتی شریف
مسعود تجریشی - عضو هیئت علمی و دانشیار دانشکده مهندسی عمران

رودخانه‌ها به عنوان مهمترین منابع تامین و انتقال آب مصرفی بخش‌های صنعت، کشاورزی و شهری از اهمیت خاصی برخوردار بوده و به علت اینکه از بسترها و مناطق مختلفی می‌گذرند، نوسانات کیفی زیادی دارند. اکثر مدل‌های موجود در زمینه پیش‌بینی و شبیه‌سازی شرایط موجود و آتی وضعیت کیفی رودخانه‌ها نیازمند پارامترهای ورودی بسیاری هستند که یا دسترسی به آن‌ها مشکل است و یا اینکه اندازه‌گیری آن‌ها محتاج صرف هزینه و زمان زیادی می‌باشد. در این میان ابزارهای داده‌کاوی می‌توانند با حداقل پارامترهای اندازه‌گیری شده و با دقت قابل قبولی تغییرات متغیر مورد نظر را پیش‌بینی نمایند. در این مقاله، عملکرد دو الگوریتم شبکه عصبی مصنوعی پرسپترون چند لایه و درخت تصمیم‌گیری رگرسیونی در پیش‌بینی تغییرات شوری آب رودخانه‌ کارون مورد ارزیابی قرار گرفت. داده‌های استفاده شده مربوط به ایستگاه ملاثانی در بازه سال‌های 1347 تا 1384، شامل غلظت‌های سدیم، کلسیم، منیزیم، کلر، سولفات، بی‌کربنات، pH، و دبی بعنوان پارامترهای ورودی مدل‌ها و کل مواد محلول (TDS) بعنوان پارامتر خروجی می‌باشد. مقایسه عملکرد مدل‌ها نشان داد که با وجود دقت بالاتر شبکه عصبی مصنوعی پرسپترون چند لایه در پیش‌بینی غلظت مواد محلول، خروجی درخت تصمیم‌گیری رگرسیونی که در قالب قوانینی ارائه می‌گردد، قابل تفسیر تر می‌باشد. بطور کل استفاده از چنین الگوریتم‌هایی در پیش‌بینی تغییرات شوری می‌تواند دقت تصمیم‌گیری‌های مدیریتی را تا حد بسیار بالایی بهبود بخشد

داده‌کاوی، شبکه عصبی مصنوعی پرسپترون چند لایه، درخت تصمیم‌گیری رگرسیونی، تغییرات شوری