تخمین پارامترهای کیفیت آب رودخانه سفیدرود با استفاده از مدل‌های anfis، gep و ls-svm

رودخانه‌ها مهم‌ترین منابع آب آشامیدنی، کشاورزی و صنعت به‌شمار می‌روند. ازاین‌رو 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 ماشین‌بردار پشتیبان (lssvm) و برنامه‌ریزی 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 هم‌بستگی (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، lssvm و gep قابلیت بسیار زیادی در تخمین پارامترهای کیفی tds، th، ec دارند. به‌صورتی که برای تخمین tds روش lssvm، (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 شبیه‌سازی را انجام دادند. این پژوهش نشان می‌دهد که با استفاده از روش‌های هوش مصنوعی می‌توان غلظت پارامترهای کیفی را در صورت عدم اندازه‌گیری آنها و بر اساس غلظت سایر پارامترهای کیفی محاسبه کرد.

Estimation of Water Quality Parameters in the Sepidrood River by ANFIS, GEP and LS-SVM Models

Rivers are the most important water supply resource for the drinkable, agricultural and industrial demands. Therefore, estimation of water quality parameters in rivers is an essential and necessary task. This research applies the Adaptive NeuroFuzzy Inference System (ANFIS), the Least SquaresSupport Vector Machines (LSSVM) and the Gene Expression Programming (GEP) for estimation of Total Dissolved Solids (TDS), Electrical Conductivity (EC) and Total Hardness (TH) in the Sepidrood River and a 40 year period. The applied performance criteria are the correlation coefficient (R), the NashSutcliffe model Efficiency coefficient (NSE), the Normalized Mean Squared Error (NMSE) and the Mean Absolute Error (MAE). These methods have high ability for estimation of water quality parameters. The best method is LSSVM method for estimation of TDS (RTrain=0.95 RTest=0.96). The best method is GEP method for estimation of EC (RTrain=0.94 RTest=0.95). The best method is ANFIS method for estimation of TH (RTrain=0.92 RTest=0.94). This research shows that intelligence methods can estimate unmeasured concentration of qualitative parameters by concentration of other qualitative parameters.