جوان شیر عطائی راد - گروه مهندسی آب، واحد لاهیجان، دانشگاه آزاد اسلامی، لاهیجان، ایران
ابراهیم امیری - گروه مهندسی آب، واحد لاهیجان، دانشگاه آزاد اسلامی، لاهیجان، ایران

در این پژوهش جهت پیش بینی کیفیت آب رودخانه از شبکه عصبی مصنوعی چند لایه پرسپترون استفاده شد، داده-هاي 40 ساله رودخانه توتکابن واقع در استان گیلان، مورد ارزیابی قرار گرفت. داده هاي ورودي مورد نیاز شبکه عصبی مصنوعی شامل آنیونها و کاتیونها، شوري و اسیدیته آب بود، که براي تخمین املاح محلول در آب (TDS) و هدایت الکتریکی ( EC ) در نظر گرفته شده بود. پارامترهاي آماري ضریب تبیین و میانگین مربعات خطا براي سنجش تواناي شبکه عصبی استفاده شد . بین کل داده اي سالها 70 درصد داده ها براي آموزش و براي آزمون 20 درصد داده ها و 10 درصد داده ها هم جهت تست شبکه مدل اختصاص داده شده است. نتایج تحقیق نشان میدهد که براي پیش بینی پارامتر TDS بهترین تابع محركSigmoid Axon میباشد، مقدار ضریب تبیین کلیه توابع متحرك بالاتر از مقدار 0/88 می باشد، همچنین میانگین مربعات خطا نیز در کلیه توابع متحرك از 0/121 کمتر میباشد، در مورد پیش بینی پارامتر EC، بهترین تابع محرك با توجه به ضریب تبیین و میانگین مربعات خطا، Linear Axon میباشد که بالاترین ضریب تببین و کمترین خطا را دارد. محدوده ضریب تبیین توابع محرك در پیش بینی پارامترEC، -0/83 0/96 میباشد. نتایج تحقیق نشان داد که شبکه عصبی مصنوعی در تخمین پارامترهاي کیفیت آب رودخانه مناسب می باشد.

ارزیابی مدل، پیش بینی، شبکه عصبی مصنوعی، شوری.