فهرست نشریات علمی دسترسی آزاد ایران

پیش‌بینی پارامترهای کیفیت آب نقش بسیار مهمی در پایش اکوسیستم رودخانه‌ها و پایداری آن ایفا می‌کند. ازطرفی، مدل‌های پیش‌بینی سنتی به‌خوبی ذات غیرخطی و غیرایستای متغیرهای کیفیت آب را نشان نمی‌دهند. در سال‌های اخیر، توسعه‌ سریع شبکه‌های عصبی‌مصنوعی بحث‌های مرتبط با پیش‌بینی کیفیت‌آب را متحول نموده است. در این مطالعه، پارامترهای کیفی رودخانه دیناچال به‌عنوان یکی از رودخانه‌های حیاتی در استان گیلان مورد ارزیابی و پیش‌بینی قرارگرفته است. دو مدل مبتنی بر شبکه‌عصبی‌مصنوعی و ماشین‌بردار‌پشتیبان ‌رگرسیونی، نُه پارامتر کیفی کل‌موادجامدمحلول، هدایت‌الکتریکی، اسیدیته، Cl، SO4، HCO3، Ca، Mg و Na با گام‌های زمانی یک ماه طی سال‌های 1385 تا 1397 پیش‌بینی شد و کارایی مدل‌ها توسط آماره‌های ارزیابی RMSE، MSE و MAPE بررسی و مقایسه شد. طبق نتایج به‌دست‌آمده، مدل SVR به‌ترتیب با (03/2=RMSE) و (062/0=RMSE) کارایی بهتری در پیش‌بینی کل‌مواد‌جامد‌محلول و غلظت منیزیم نسبت به مدل شبکه‌عصبی‌مصنوعی نشان‌داد. از‌طرف‌دیگر، مدل شبکه‌عصبی‌مصنوعی در پیش‌بینی پارامترهای دیگر نسبتاً موفق‌تر بود. بااین‌حال، کارایی هر دو مدل در پیش‌بینی پارامترهای کیفی رودخانه دیناچال مناسب ارزیابی شد. همچنین مدل SVR با ضریب MAPE برابر با 007/0 و مدل شبکه‌عصبی‌مصنوعی با ضریب MAPE برابر با 001/0 در پیش‌بینی پارامترهای کل‌موادجامدمحلول و هدایت‌الکتریکی بهترین کارایی را داشتند. در مقابل، هر دو مدل SVR و ANN در پیش‌بینی پارامتر کلر ضعیف‌ترین کارایی را باوجود RMSE 055/0 و 052/0 از خود نشان دادند. روش‌های به‌کارگرفته‌شده در این مطالعه می‌تواند در پیش‌بینی کیفیت آب دیناچال مؤثر واقع شود.