تخمین پارامترهای کیفیت آب رودخانه سفیدرود با استفاده از مدل های ANFIS، GEP و LS-SVM

رودخانه ها مهم ترین منابع آب آشامیدنی، کشاورزی و صنعت به شمار می روند. ازاین رو بررسی و تخمین پارامترهای کیفی آب در طول یک رودخانه باید مورد توجه قرار گیرد. در این پژوهش از سه مدل سیستم سامانه استنتاجی عصبی- فازی تطبیقی (ANFIS)، حداقل مربعات ماشین بردار پشتیبان (LS-SVM) و برنامه ریزی بیان ژن (GEP) برای تخمین برخی از پارامترهای کیفی آب (کل جامدات محلول، هدایت الکتریکی و سختی کل) رودخانه سفیدرود طی یک دوره آماری 40 ساله استفاده شد. ارزیابی این سه روش هوش مصنوعی توسط معیارهای آماری ضریب هم بستگی (R)، ضریب کارایی نش- ساتکلیف (NSE)، مربع میانگین خطای استاندارد نرمال شده (NMSE) و میانگین قدر مطلق خطا (MAE) انجام شد. نتایج حاصل از این پژوهش نشان داد که هر سه روش هوش مصنوعی ANFIS، LS-SVM و GEP قابلیت بسیار زیادی در تخمین پارامترهای کیفی TDS، TH، EC دارند. به صورتی که برای تخمین TDS روش LS-SVM، (RTrain=0.95 RTest=0.96) ، برای تخمین EC، روش GEP، (RTrain=0.94 RTest=0.95) و برای تخمین TH روش ANFIS، ((RTrain=0.92 RTest=0.94 بهترین شبیه سازی را انجام دادند. این پژوهش نشان می دهد که با استفاده از روش های هوش مصنوعی می توان غلظت پارامترهای کیفی را در صورت عدم اندازه گیری آنها و بر اساس غلظت سایر پارامترهای کیفی محاسبه کرد.