تعیین طبقه‌بندی کیفی آب‌ بر اساس حداقل پارامترهای کیفی (مطالعۀ موردی: رودخانۀ کارون)

رودخانه­ها یکی از مهم­ترین منابع تأمین آب شیرین به­شمار می­روند. محدودیت این منابع ضرورت حفظ کیفیت آن­ها را نشان می­دهد. به‌منظور پایش کیفی منابع آب معمولاً از شاخص­های کیفیت آب استفاده می­شود. هر کدام از این شاخص بر اساس پارامترهای کیفی مشخصی محاسبه می­شوند که فرآیند نمونه­برداری و تعیین مقدار این پارامترها زمان­بر و پرهزینه است، لذا یافتن روشی دقیق که در آن با حداقل پارامترهای کیفی بتوان طبقۀ­ کیفیت آب را تعیین کرد بسیار مفید است. در مقالۀ حاضر از مزایای شبکۀ عصبی احتمالی (PNN) به­عنوان یک طبقه­بندی­کننده برای تعیین کیفیت آب رودخانۀ کارون به­عنوان جایگزینی برای شاخص متداول و پرکاربرد NSFWQI استفاده شد. برای این منظور از آمار کیفی 172 نمونه استفاده شد به این صورت که پارامترهای کیفی و کلاس­های کیفیت آب حاصل از شاخص NSFWQI به ترتیب به عنوان ورودی مدل و خروجی مدل در نظر گرفته شدند. جهت ارزیابی عملکرد مدل PNN، از معیارهای ارزیابی نرخ خطا، مقدار خطا، دقت و ضریب همبستگی اسپیرمن استفاده شد. نتایج نشان داد که PNN تنها با استفاده از سه پارامتر کیفی کدورت، کلیفرم مدفوعی و کل مواد جامد می­تواند با دقت 37/94% و 78/90% به ترتیب در مرحلۀ آموزش و آزمایش، طبقه­ کیفی آب را مشخص کند که بیانگر دقت بالای PNN در تعیین طبقه کیفی آب می­­باشد .