فصلنامه مدیریت محیط زیست شهری

شبیه سازی پارامترهای کیفی آب با استفاده از روش های هوشمند ماشین لرنینگ در رودخانه هلیل رود

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه محیط زیست دانشگاه بیرجند

2 گروه محیط زیست دانشکده منابع طبیعی و محیط زیست، دانشگاه بیرجند، بیرجند ایران

3 پژوهشگاه ملی اقیانوس شناسی و علوم جوی

4 دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته، کرمان

10.48306/juem.2026.579245.1150
چکیده
در این پژوهش از سه مدل سیستم استنتاجی عصبی-فازی تطبیقی، شبکه عصبی مصنوعی چند لایه پرسپترون و شبکه عصبی مصنوعی پایه شعاعی برای شبیه سازی ۱۴ پارامتر کیفی آب در رودخانه هلیل‌رود طی یک دوره آماری ماهانه بلند مدت ۵۲ ساله استفاده شد. دبی جریان (Q) به عنوان ورودی برخی مدل‌ها به کار گرفته شد. ارزیابی این سه روش هوش مصنوعی توسط معیارهای آماری ضریب تعیین (R2)، جذر میانگین مربعات خطا (RMSE)، میانگین قدر مطلق خطا (MAE) و شاخص توافق ویلموت (d) انجام شد. نتایج حاصل از این پژوهش نشان داد، علارغم اینکه هر سه روش هوش‌مصنوعی ANFIS، ANN-MLP و ANN-RBF قابلیت بسیار بالایی در شبیه‌سازی 14 پارامتر کیفی مورد بررسی داشته‌اند، روش ANFIS در اکثر مدل‌ها برتر بوده است؛ به طوری که برای پارامتر SAR مقدار R²=0.99 و RMSE=1.04، برای پارامتر %Na مقدار R²=0.99 و RMSE=3.02 و برای پارامتر SO₄ مقدار R²=0.93 و RMSE=0.61 حاصل گردید. مدل b (با پنج پارامتر آسان‌اندازه‌گیری) به عنوان مدل عملیاتی پیشنهادی معرفی می‌شود که خطای RMSE را نسبت به مدل a (تنها با دبی) به طور متوسط ۶۵٪ کاهش داد. این پژوهش نشان می‌دهد که با استفاده از روش‌های هوشمند یادگیری ماشین می‌توان غلظت پارامترهای کیفی را در صورت عدم اندازه‌گیری آنها و بر اساس غلظت سایر پارامترهای کیفی محاسبه کرد، که این امر هزینه‌های آزمایشگاهی را کاهش می‌دهد.

کلیدواژه‌ها



مقالات آماده انتشار، اصلاح شده برای چاپ
انتشار آنلاین از 11 خرداد 1405

  • تاریخ دریافت 01 اردیبهشت 1405
  • تاریخ بازنگری 17 اردیبهشت 1405
  • تاریخ پذیرش 05 خرداد 1405
  • تاریخ اولین انتشار 11 خرداد 1405
  • تاریخ انتشار 11 خرداد 1405