ارزیابی عملکرد شبکه عصبی مصنوعی در پیشبینی اکسیژن محلول و فسفر کل در حوضه آبریز سد ایلام
نویسندگان
1 کارشناس ارشد مهندسی عمران/ دانشگاه رازی کرمانشاه
2 2- استادیار، گروه مهندسی عمران، دانشکده فنی، دانشگاه رازی کرمانشاه
3 3- کارشناس مهندسی بهداشت محیط، اداره کل آموزش فنی و حرفهای استان ایلام
4 4- استادیار، گروه مهندسی عمران، دانشکده فنی، دانشگاه رازی کرمانشاه
doi
چکیده
در این تحقیق از مدل شبکه عصبی پرسپترون چند لایه(MLP-NN) برای شبیهسازی اکسیژن محلول و فسفر کل در حوضه آبریز سد ایلام استفاده شد. مدل شبکه عصبی با استفاده از دادههای آزمایشگاهی سه زیرحوضه سد ایلام در سالهای 89-1388 طراحی گردید. متغیرهای ورودی شبکه عصبی برای مدلسازی اکسیژن محلول شامل اسیدیته آب، هدایت الکتریکی، کل جامدات معلق، دما، فسفر کل، سولفات، آمونیوم، آهن و نیتروژن کل بودند. متغیرهای ورودی برای شبکه عصبی برای مدلسازی فسفر کل شامل فسفات و دما است که در یک نقطه در نزدیکی محل بدنه سد و در عمقهای مختلف اندازهگیری شدهاند. عملکرد مدلها با استفاده از شاخصهای ضریب تبیین (R2)، خطای نسبی و مجموع مربعات خطا(SSE) ارزیابی شد. با توجه به نتایج شبکه عصبی تمامی متغیرهای در نظر گرفته شده بر روی مدلسازی اکسیژن محلول مؤثر بوده و مؤثرترین پارامتر میزان کل جامدات معلق بود. در مدلسازی فسفر کل نیز فسفات مؤثرتر از دما بود. ضریب تبیین بهدست آمده بین مقادیر شبکه عصبی و مقادیر اندازهگیری شده برای اکسیژن محلول813/0 و برای فسفر کل 940/0 بود. در ادامه، نتایج حاصل از مدلهای شبکه عصبی با نتایج حاصل از مدل دوبعدی متوسطگیری شده عرضی CE-QUAL-W2 مقایسه شده است. براساس نتایج، مدل پرسپترون چند لایه (MLP) در پیشبینی متغیرهای کیفیت آب دقت بالاتری را نسبت به مدل عددی نشان داد. نتایج همچنین نشان داد که شبکه عصبی قادر به پیشبینی تغذیهگرایی با دقت قابل قبولی است و میتوان از آن بهعنوان یک ابزار مفید برای مدیریت کیفی آب مخازن استفاده نمود.
