استفاده از شبکه های عصبی مصنوعی در بررسی وضع کیفی رودخانه (مطالعه موردی: رودخانه زاینده رود)

تامین آب در مناطق خشک از جمله مهمترین چالشهای مدیریتی است که در ارتباط با کنشهای چند گانه، سبب پیچیدگی تامین، انتقال و توزیع آب می گردد . وضع کیفی آب نیز بر این روند تاثیرگذار و از جمله چالشها در مدیریت منابع آب است . بررسی وتخمین پارامتهای کیفی آب جهت بررسی شرایط کیفی آب مورد استفاده قرار می گیرد . جهت بررسی پارامترهای کیفی آب و وضعیت آلاینده ها، مدلها و روابط زیادی ارائه شده است . شبکه های عصبی مصنوعی از جمله مدلهای مبتنی بر داده می باشند که دارای انعطاف پذیری زی ادی بوده و در صورت آموزش مناسب، قابلیت تخمین بالایی دارند . رودخانه زاینده رود بعنوان مهمترین رودخانه فلات مرکزی ایران تحت تاثیر شرایط مدیریتی وتغییر کاربری اراضی، وضع کیفی آب آن نامطلوب گردیده است . در این تحقیق با استفاده از مدل شبکه های عصبی، چند پارامترک یفی آب در مقیاس ماهانه مورد بررسی قرار گرفت . مدل پرسپترون چند لایه با آمورش انتشار به عقب ) ) Backpropagation استفاده گردید . با تغییر ورودی ها، نرخ یادگیری، میزان گشتاور و تعداد گره ها در لایه مخفی، مناسبترین شبکه بر اساس میزان خطا انتخاب گردید . میزان خطا با اف زایش لایه های مخفی افزایش می یافت و مناسبترین شبکه، شبکه ای با یک لایه مخفی بود . استفاده از جریان ماههای قبل سبب کاهش خطای ناشی از تخمین می گردد . نتایج بیانگر کارایی نسبتا مناسب شبکه های عصبی در بررسی و تخمین پارامترهای کیفی آب در صورت آموزش مناسب می باشد .

کلیدواژه ها:

کیفیت آب رودخانه ، شبکه های عصبی مصنوعی ، رودخانه زاینده رود ، پرسپترون چند لایه