ارزیابی کارایی شبکه عصب مصنوعی در پیش بینی شاخص کیفی کل مواد محلول (TDS) آب رودخانه تجن ساری

یکی از عوامل مهم توسعه در هر منطقه فراهم بودن منابع آب مناسب می باشد. اکنون بر همگان ثابت شده است که کیفیت آب علاوه بر کمیت آن دارای اهمیت زیادی می باشد. واژه کیفیت آب نیز در توضیح خصوصیات فیزیکی، شیمیایی و بیولوژیکی برای استفاده برای هدف خاصی مورد استفاده قرار می گیرد. یکی از روش های نو ظهور در حل مسائل محیط زیست، استفاده از شبکه های عصبی مصنوعی است؛ بنابراین در تحقیق حاضر روش شبکه عصبی MLP و RBF در برآورد میزان شاخص کیفی کل مواد محلول (TDS) در رودخانه تجن شهرستان ساری مورد استفاده قرار گرفته و نتایج آن نیز با رگرسیون چند متغیره خطی مقایسه شد. در این مطالعه برای مدل سازی از اطلاعات و داده های 9 متغیر کیفی ماهانه آب برای یک دوره 40 ساله (1384- 1345) استفاده شد. کارایی مدل ها توسط معیارهای آماری ضریب تبیین (R)، مجذور میانگین مربعات خطا (RMSE) و ضریب ناش- ساتکلیف (NS) مورد ارزیابی قرار گرفت. نتایج مدل رگرسیون چند متغیره خطی نشان داد که با استفاده از داده-های آموزش می توان میزان شاخص کیفی TDS را با ضریب همبستگی 762/0 و ضریب تبیین 872/0 برآورد نمود. نتایج برآمده از این مطالعه نشان-دهنده کارایی مناسب شبکه عصبی به عنوان تکنیکی برتر برای برآورد TDS در مقایسه با رگرسیون خطی می باشد. همچنین با مقایسه دو مدل شبکه عصبی مشخص شد که شبکه MLP از دقت به نسبت بهتری برخوردار بوده و تنها مزیت شبکه RBF را می توان زمان کم تر برای آموزش شبکه دانست.