پهنه‌بندی کیفیت آلودگی آب رودخانه با استفاده از شبکه‌های عصبی مصنوعی و سامانه اطلاعات جغرافیایی مطالعه موردی: رودخانه سیمینه‌رود

پهنه‌بندی کیفیت آب رودخانه نخستین و مهم‌ترین مرحله در مدیریت کیفیت آب است، که ذهن تحلیلگر را با روند و چگونگی تغییرات آلودگی برحسب زمان، مکان و شرایط خاص آشنا می‌سازد. پژوهش حاضر درصدد است با استفاده از شبکه‌های عصبی مصنوعی و سامانه اطلاعات جغرافیایی به پهنه‌بندی کیفیت آلودگی آب رودخانه سیمینه‌رود بپردازد. داده‌های کیفی استفاده‌شده در تحقیق، حاصل نمونه‌برداری از رودخانه سیمینه‌رود در سه فصل بهار و پاییز 1387 و بهار 1388 است که با استفاده از مدل qual2k شبیه‌سازی شد. خروجی مدل با داده‌های مشاهده‌ای مقایسه گردید و پارامترهای نیترات، اکسیژن محلول و هدایت الکتریکی‌ِ مربوط به فصل پاییز 1387 به‌عنوان داده‌های هدف انتخاب شدند. داده‌های ورودی شامل داده‌های مربوط به کاربری اراضی، زمین‌شناسی، قابلیت فرسایش و مراکز جمعیتی مربوط به حوضه سیمینه‌رود هستند که به‌همراه داده‌های هدف بعد از آماده‌سازی در محیط gis به مدل شبکه عصبی معرفی شدند. در این تحقیق از پنج‌‌ ساختار مختلف مدل ffbp شبکه عصبی استفاده شد و نتیجه ساختار منتخب با خروجی‌های حاصل از مدل رگرسیون چندمتغیره مقایسه گردید، که برتری مدل شبکه عصبی مذکور را نشان داد. نتیجه تحقیق حاضر نشان می‌‌دهد که شبکه‌های ffbp با ساختار 3-40-40-4 بهترین کارایی را دارند، و شبکه عصبی در پهنه‌بندی کیفیت آلودگی آب قابلیت بالایی دارد.