پیش بینی شوری در رودخانه ها با استفاده از شبکه های عصبیMLPوGMDH

شوری موجود در آب یکی از جمله مهمترین معیاره ای کیفی در طبقه بندی آب از نظر کشاورزی است. این پارامترها نه تنها بر رشد گیاه موثر می باشد، بلکه درجه تناسب آب را از نظر آبیاری نیز مشخص می سازد. در این تحقیق با استفاده از دو نوع شبکه عصبی پرسپترون چند لایه MLP و دسته بندی گروهی داده های GMDH میزان شوری EC آب مورد بررسی و ارزیابی قرار گرفته است. داده های ورودی به شبکه عصبی شامل اسیدیته pH معیار نسبت جذبی سدیم SAR میزان مجموعه ای از آنیون ها HCO3, CO3, SO4, Cl و کاتیون ها Na.Mg, Ca, K می باشد. بطور کلی 701 مجموعه داده جمع آوری شده به دو دسته 80% جهت آموزش و 20 جهت تست و یا آزمون شبکه های عصبی دسته بندی شدند. نتایج بدست آمده حاکی از عملکرد تقریبا مشابه دو روش فوق با دقت بسیار مناسب در مدلسازی پارامتر شوری رودخانه مورد نظر می باشد . این در حالی است که دقت شبکه MLPبا مقادیر RMSE=0.0076 ،R2=0.9974 مقداری بالاتر از روش GMDHمی باشد. لازم به ذکر است که در موارد عملی و اندازه گیرهای میدانی که نیاز به رابطه بین متغییر ها می باشد روش GMDH به علت ارایه رابطه بین متغیر ها ارجح تر از روش MLP می باشد

کلیدواژه ها:

شبکه عصبی ، پارامترهای کیفی آب ، GMDH ، شوری رودخانه ها ، ANNs