تخمین توان خودپالایی رودخانه زاینده رود با استفاده از مدل شبکه عصبی مصنوعی (artificial neural network) و ارزیابی کیفی آب آن با روش wqi

رودخانه ها مهمترین منابع حیاتی طبیعت، کانون توسعه و شریان های حیات بخش هر کشور محسوب می شوند. با وجودی که آب یکی از فراوان ترین ترکیباتی است که در طبیعت یافت می شود، عواملی چون توزیع نا همگون جغرافیایی، عدم تطابق زمانی توزیع با الگوی مصرف و رشد روزافزون جمعیت جهان، کمیت منابع آب در دسترس را کاهش داده و تنزل کیفیت آب ها را به دنبال داشته است. در این تحقیق خودپالایی رودخانه زاینده رود توسط مدل شبکه عصبی مصنوعی در نرم افزار neuro solution و ارزیابی کیفی آب آن توسط شاخص کیفیت irwqi مورد بررسی و ارزیابی قرار گرفت. ابتدا پارامتر های کیفیت آب رودخانه زاینده رود در چهار ایستگاه سد تنظیمی، پل زمانخان، پل کله و دیزیچه از شرکت آب منطقه ای استان اصفهان شامل ph، اکسیژن خواهی شیمیایی، نیترات، هدایت الکتریکی و سختی کل، برای 2 سال آماری 1391 تا 1393 جمع آوری گردید و شاخص irwqi رودخانه زاینده رود طی 2 سال محاسبه و طبقه بندی گردید. سپس به منظور پیش بینی پارامتر اکسیژن محلول آب رودخانه زاینده رود از پارامتر های ph، کل جامدات محلول، هدایت الکتریکی، دبی، سطح مقطع و سرعت جریان با دوره آماری 10 ساله 1383 تا 1393 در ایستگاه های سد تنظیمی، پل زمانخان، پل کله و دیزیچه استفاده شد و توسط مدل شبکه عصبی مصنوعی آموزش و واسنجی گردید و با داده های مشاهداتی مقایسه شد. با توجه به ضریب همبستگی (r) و میانگین مربعات خطا (mse) از مدل پرسپترون چند لایه (mlp) به عنوان توپولوژی شبکه استفاده شد. همچنین تابع انتقال tanh axon و الگوریتم آموزش گرادیان مزدوج به عنوان شرایط بهینه برای شبکه انتخاب گردید. برای تعیین اعتبار مدل از ضریب تبیین (r2)، میانگین مربعات خطا (mse)، میانگین مربعات خطای نرمال شده (nmse) و ضریب همبستگی (r) استفاده شد. خروجی مدل شبکه عصبی مصنوعی به طور کلی حکایت از این دارد که مدل mlp کارایی بالاتری نسبت به سایر مدل ها در شرایط بهینه دارد و نتایج شاخص irwqi نشان داد، کیفیت آب رودخانه زاینده رود در سال دوم در مقایسه با سال اول، از شرایط کیفی پایین تری برخوردار است.