ارزیابی شبکه عصبی احتمالی PNN در مقایسه با شاخص کیفیت آب NSFWQI در طبقه بندی کیفی منابع آب

رودخانهها به عنوان یکی از مهمترین منابع آب شیرین مصرفی بخشهای کشاورزی، صنعت و شهری از اهمیت ویژهای برخوردارند. لذا برنامهریزی و رسیدگی جدی به کیفیت آب رودخانههای کشور امری ضروری است. به منظور طبقهبندیکیفیت منابع آب سطحی لازم است کیفیت تعداد زیادی از نمونههای آب تعیین شود. این یک فرآیند بسیار وقتگیر است، لذا استفاده از الگوریتمهای طبقهبندی یکی از راهکارهای موثر برای کاهش زمان محاسبات است. هدف از مقالهحاضر طبقهبندی کیفیت آب رودخانه کارون با استفاده از شاخص NSFWQI و الگوریتم شبکه عصبی احتمالی ) PNN ) میباشد. در این مقاله از دو معیار ارزیابی نرخ خطا و دقت جهت ارزیابی الگوریتم استفاده شد. نتایج نشان میدهد که الگوریتم PNNدر مرحله آموزش و آزمایش به ترتیب از دقت 94/3657% و90/7769% برخوردار است که بیانگر عملکرد خوب الگوریتم در تعیین کلاسههای کیفی آب است

کلیدواژه ها:

کیفیت آب ، طبقهبندی ، شبکه عصبی احتمالی ، NSFWQI