مدلسازی پارامترهای کیفی (هدایت الکتریکی و کل مواد جامد محلول) رودخانه کارون در ایستگاه های ملاثانی، اهواز و فارسیات با بهره‌گیری از روش‌های مبتنی بر داده‌کاوی

زمینه و هدف: رودخانه‌ ها از مهمترین منابع آب هستند که آلودگی این منابع می ‌تواند تاثیر مستقیم بر زندگی انسان ها و محیط زیست داشته باشد. در پژوهش حاضر، پارامترهای کیفی ec و tds رودخانه کارون در سه ایستگاه آب‌سنجی ملاثانی، اهواز و فارسیات با استفاده از الگوریتم‌های مبتنی بر داده کاوی شامل lssvm، anfis و ann مدلسازی شده است.روش بررسی: هشت سری داده مختلف شامل ترکیب cl1، ca+2، na+1، mg+2، k+1، co3، hco3، so4 با دبی جریان (q) به‌عنوان ورودی الگوریتم ‌ها، به روش کالیبراسیون غیرتصادفی و تصادفی انتخاب شده است. نتایج دو روش، مورد مقایسه قرار گرفته است. در گام بعدی، مدلسازی ec و tds براساس چهار پارامتر na+1، cl1، ca+2 و q با تاخیرهای زمانی صفر تا سه ماهه انجام شده است. یافته‌ ها: پارامترهای na+1، cl1 و ca+2 دارای بیشترین تاثیر در مدلسازی پارامترهای ec و tds هستند. الگوریتم lssvm در مدلسازی هر دو پارامتر ec و tds دارای بیشترین دقت است. در میان ایستگاه ‌های بررسی شده، بیشترین دقت برای مدلسازی ec، مربوط به ایستگاه اهواز و برای tds، مربوط به ایستگاه ملاثانی است که به‌ترتیب 16 و 36 درصد ضریب تعیین بیشتری داشته اند. الگوریتم lssvm در مدلسازی نوسانات و حداکثر پارامترهای ec و tds در طول تغییرات زمان نیز، بیشترین دقت را دارد. نتیجه ‌گیری: روش ‌ها و مدل ‌های استفاده شده در پژوهش حاضر به‌ویژه الگوریتم lssvm می‌ توانند ابزار مفید تصمیم‌ گیری برای پیش بینی و مدیریت کیفی رودخانه ها از جمله رودخانه های حوضه آبریز کارون باشند. نتایج مدلسازی پارامترهای کیفی رودخانه ها با بهره گیری از هر دو روش کالیبراسیون غیرتصادفی و تصادفی، قابل اعتماد و استفاده است. البته دقت روش کالیبراسیون تصادفی، اندکی بیشتر است.

Modeling of qualitative parameters (Electrical conductivity and total dissolved solids) of Karun River at Mollasani, Ahvaz and Farsiat stations using data mining methods

Background and Objective: In the present study, EC and TDS quality parameters of Karun River were modeled using datamining algorithms including LSSVM, ANFIS, and ANN, at Mollasani, Ahvaz and Farsiat hydrometric stations.Material and Methods: Eight different inputs including the combination of Cl1, Ca+2, Na+1, Mg+2, K+1, CO32, HCO3, and SO42 with discharge flow (Q) were selected as nonrandom and random calibration inputs for these algorithms. Then, in order to guarantee the accuracy of the results, the simulation was performed by random calibration and the results of the two methods were compared. In the next step, the EC and TDS parameters were modeled based on the four parameters of Na+1, Cl1, Ca+2, and Q and a lag time of zero to three months.Results: Modeling results indicated that Na+1, Cl1, and Ca+2 have the highest influence on modeling of EC and TDS parameters. The LSSVM algorithm was the most accurate in modeling EC and TDS parameters. Among the studied stations, the highest precision for EC and TDS modeling belongs to Ahvaz and Mollasani station, which has 16% and 36% higher coefficient of determination. LSSVM has highest accuracy in modeling the oscillation and peak EC and TDS parameters in during times.Conclusion: The methods and models applied in the present study especially the LSSVM algorithm, can be a useful decisionmaking tool for predicting and qualitative management of rivers, including rivers in the Karun catchment area. The results of modeling the quality parameters of the rivers were reliable and usable by using both nonrandom and random calibration methods. However, the accuracy of the random calibration method was slightly higher.