ارزيابي عملكرد شبكه عصبي مصنوعي در پيش‎بيني اكسيژن محلول و فسفر كل در حوضه آبريز سد ايلام

در اين تحقيق از مدل شبكه عصبي پرسپترون چند لايه(MLPNN) براي شبيه‎سازي اكسيژن محلول و فسفر كل در حوضه آبريز سد ايلام استفاده شد. مدل شبكه عصبي با استفاده از داده‎هاي آزمايشگاهي سه زيرحوضه سد ايلام در سال‎هاي 891388 طراحي گرديد. متغيرهاي ورودي شبكه عصبي براي مدل‎سازي اكسيژن محلول شامل اسيديته آب، هدايت الكتريكي، كل جامدات معلق، دما، فسفر كل، سولفات، آمونيوم، آهن و نيتروژن كل بودند. متغيرهاي ورودي براي شبكه عصبي براي مدل‎سازي فسفر كل شامل فسفات و دما است كه در يك نقطه در نزديكي محل بدنه سد و در عمق‎هاي مختلف اندازه‎گيري شده‎اند. عملكرد مدل‎ها با استفاده از شاخص‎هاي ضريب تبيين (R2)، خطاي نسبي و مجموع مربعات خطا(SSE)  ارزيابي شد. با توجه به نتايج شبكه عصبي تمامي متغيرهاي در نظر گرفته شده بر روي مدل‎سازي اكسيژن محلول مؤثر بوده و مؤثرترين پارامتر ميزان كل جامدات معلق بود. در مدل‎سازي فسفر كل نيز فسفات مؤثرتر از دما بود. ضريب تبيين به‎دست آمده بين مقادير شبكه عصبي و مقادير اندازه‎گيري شده براي اكسيژن محلول813/0 و براي فسفر كل 940/0 بود.  در ادامه، نتايج حاصل از مدل‎هاي شبكه عصبي با نتايج حاصل از مدل دوبعدي متوسط‎گيري شده عرضي CEQUALW2 مقايسه شده است. براساس نتايج، مدل پرسپترون چند لايه (MLP) در پيش‎بيني متغيرهاي كيفيت آب دقت بالاتري را نسبت به مدل عددي نشان داد. نتايج همچنين نشان داد كه شبكه عصبي قادر به پيش‎بيني تغذيه‎گرايي با دقت قابل قبولي است و مي‎توان از آن به‎عنوان يك ابزار مفيد براي مديريت كيفي آب مخازن استفاده نمود.