مقایسهی شبکه ی عصبی مصنوعی و درخت تصمیم در پیشبینی شوری آب سطحی( مطالعه ی موردی رودخانه ی زرینه رود )

رودخانه ها بهعنوان مهمترین منابع تأمین و انتقال آب مصرفی بخش های صنعت، کشاورزی و شهری از اهمیت خاصی برخوردار بوده و بهعلت اینکه از بسترها و مناطق مختلفی گذشته، نوسانات کیفی زیادی را داشته است. اکثر مدلهای موجود در زمینهی پیش بینی و شبیه سازی شرایط موجود و آتی وضعیت کیفی رودخانه ها نیازمند پارامترهای ورودی بسیاری بوده که یا دسترسی به آن ها مشکل بوده و یا اینکه اندازه گیری آن ها محتاج صرف هزینه و زمان زیادی بوده است. در این میان ابزارهای داده کاوی با حداقل پارامترهای اندازهگیری شده و با دقت قابل قبولی، تغییرات متغیر مورد نظر را پیشبینی نموده است. در این تحقیق، عملکرد دو الگوریتم شبکهی عصبی مصنوعی پیشخور عمومی GFF و درخت تصمیم در پیشبینی شوری آب سطحی رودخانهی زرینهرود مورد ارزیابی قرار گرفته است. داده های استفاده شده، مربوط به ایستگاه ساری قمیش در بازه ی سال های 1372 تا 1392 شامل بارش، دما، مجموع آنیون ها، تبخیر و تعرق به عنوان پارامترهای ورودی مدلها و شوری EC پارامتر خروجی بوده است. مدلها نشان داده که شبکه ی عصبی مصنوعی پیش خور عمومی با ضریب همبستگی 0/96 دقت بالاتری نسبت به درخت تصمیم را دارا بوده است. بهطور کل، استفاده از چنین الگوریتم هایی در پیشبینی تغییرات شوری دقت تصمیم گیری های مدیریتی را تا حد بسیار بالایی بهبود بخشیده است.

کلیدواژه ها:

زرینه رود ، شبکه های عصبی ، درخت تصمیم ، شوری