پهنه بندی کیفیت آلودگی آب رودخانه با استفاده از شبکه های عصبی مصنوعی و سیستم اطلاعات جغرافیایی(مطالعه موردی: رودخانه سیمینه رود)

پهنه بندی کیفیت آب رودخانه نخستین و مهم ترین مرحله در مدیریت کیفیت آب است، که ذهن تحلیلگر را با روند و چگونگی تغییرات آلودگی برحسب زمان، مکان و شرایط خاص آشنا می سازد. پژوهش حاضر درصدد است با استفاده از شبکه های عصبی مصنوعی و سامانه اطلاعات جغرافیایی به پهنه بندی کیفیت آلودگی آب رودخانه سیمینه رود بپردازد. داده های کیفی استفاده شده در تحقیق، حاصل نمونه برداری از رودخانه سیمینه رود در سه فصل بهار و پاییز 1387 و بهار 1388 است که با استفاده از مدل qual2k شبیه سازی شد. خروجی مدل با داده های مشاهده ای مقایسه گردید و پارامترهای نیترات، اکسیژن محلول و هدایت الکتریکی ِ مربوط به فصل پاییز 1387 به عنوان داده های هدف انتخاب شدند. داده های ورودی شامل داده های مربوط به کاربری اراضی، زمین شناسی، قابلیت فرسایش و مراکز جمعیتی مربوط به حوضه سیمینه رود هستند که به همراه داده های هدف بعد از آماده سازی 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 خروجی های حاصل از مدل رگرسیون چندمتغیره مقایسه گردید، که برتری مدل شبکه عصبی مذکور را نشان داد. نتیجه تحقیق حاضر نشان می دهد که شبکه های ffbp با ساختار 3-40-40-4 بهترین کارایی را دارند، و شبکه عصبی در پهنه بندی کیفیت آلودگی آب قابلیت بالایی دارد.