تعیین طبقه بندی کیفی آب بر اساس حداقل پارامترهای کیفی (مطالعه موردی: رودخانه کارون)

رودخانه ها یکی از مهم ترین منابع تامین آب شیرین به شمار می روند. محدودیت این منابع ضرورت حفظ کیفیت آن ها را نشان می دهد. به منظور پایش کیفی منابع آب معمولا از شاخص های کیفیت آب استفاده می شود. هر کدام از این شاخص بر اساس پارامترهای کیفی مشخصی محاسبه می شوند که فرآیند نمونه برداری و تعیین مقدار این پارامترها زمان بر و پرهزینه است، لذا یافتن روشی دقیق که در آن با حداقل پارامترهای کیفی بتوان طبقه کیفیت آب را تعیین کرد بسیار مفید است. در مقاله حاضر از مزایای شبکه عصبی احتمالی (PNN) به عنوان یک طبقه بندی کننده برای تعیین کیفیت آب رودخانه کارون به عنوان جایگزینی برای شاخص متداول و پرکاربرد NSFWQI استفاده شد. برای این منظور از آمار کیفی 172 نمونه استفاده شد به این صورت که پارامترهای کیفی و کلاس های کیفیت آب حاصل از شاخص NSFWQI به ترتیب به عنوان ورودی مدل و خروجی مدل در نظر گرفته شدند. جهت ارزیابی عملکرد مدل PNN، از معیارهای ارزیابی نرخ خطا، مقدار خطا، دقت و ضریب همبستگی اسپیرمن استفاده شد. نتایج نشان داد که PNN تنها با استفاده از سه پارامتر کیفی کدورت، کلیفرم مدفوعی و کل مواد جامد می تواند با دقت 37/94% و 78/90% به ترتیب در مرحله آموزش و آزمایش، طبقه کیفی آب را مشخص کند که بیانگر دقت بالای PNN در تعیین طبقه کیفی آب می باشد .