ارتقاء تخمین هدایت الکتریکی رودخانه با کاربرد مدل‌های شبکه عصبی و استنتاج فازی- عصبی تطبیقی بر اساس روش تجزیه به مولفه‌های اصلی (مطالعه موردی نکارود)

تخمین تغییرات پارامترهای کیفی منابع آب از جمله هدایت الکتریکی در طول یک رودخانه ضروری است. در مقاله حاضر از شبکه عصبی مصنوعی (ann) و استنتاج فازیعصبی تطبیقی (anfis-sc) جهت تخمین هدایت الکتریکی (ec) رودخانه نکارود در دوره آماری 22 ساله (1392-1371) استفاده شده است. دوره مطالعاتی مذکور بر اساس میزان جریان رودخانه به دو دوره کم آبی و پرآبی تفکیک شد، سپس با استفاده از روش تجزیه به مولفه های اصلی، پارامترهای موثر در تخمین ec تعیین و برای ورودی مدل ها استفاده شد. نتایج نشان داد کمترین مقدار مجذور میانگین مربعات خطا (rmse) در دوره کم آبی و پرآبی در دو روش مربوط به مولفه اول است که مقدار این آماره در روش ann مربوط به دوره آموزش و صحت سنجی در دوره کم آبی برابر با μs/cm 22/35 و 10/81 و در دوره پرآبی برابر با μs/cm 6/92 و 8/49تخمین زده است. در روش ann-sc مقدار rmse در دوره کم آبی در دوره آموزش و صحت سنجی برابر با μs/cm 21/86 و 13/14 و در دوره پرآبی برابر با μs/cm 8/5 و 13/19 به دست آمده است. پارامترهای مولفه اول در دوره کم آبی شاملca ،so4 ،hco3 ،mg ، tds، مجموع آنیون ها و کاتیون ها و در دوره پرآبی شامل پارامترهایca ،hco3 ، tds، مجموع آنیون ها و کاتیون ها می باشد.

An Improvement on the Estimation of River ECs using ANN Models and ANFIS involving PCA Analysis, Case Study; Nekarood River, IRAN

Estimation of changes in water quality parameters including electrical conductivity along a river is essential. In this paper, ANN and ANFISSC were used to estimate the ECs of the Nekarood River, North Iran, from 19922013. The study period was divided into two periods of dry and wet, based on the river flow rate. Then, Using the PCA, the effective parameters in EC estimation were determined and used for model inputs. The results showed that the least amounts of RMSE in dry and wet periods in the two methods was related to the first component. The value of RMSE in the ANN model, during the training and testing process of dry period, were estimated equal to 22.35 and 10.81 μS/cm, respectively and as well for the wet period were equal to 6.92 and 8.49 μS/cm respectively. Also, for the ANFISSC method, the RMSE values in the training and testing process were equal to 21.86 and 13.14 μS/cm for the dry period and were equal to 8.5 and 13.19 μS/cm during the wet period. The first component parameters in the dry period include Ca, So4, Hco3, Mg, TDS, total anions and cations, and wet period its parameters included Ca, Hco3, TDS, total anions and cations.