پيش بيني نسبت جذبي سديم (SAR) در رودخانه گرگانرود با استفاده از شبكه عصبي مصنوعي و سيستم استنتاج عصبي فازي

Sodium Adsorption Ratio (SAR) prediction using Artificial Neural Network and Neuro_ Fuzzy Inference system in Gorganroud River

رودخانه ها اصلي ترين منابع تامين آب بخش هاي كشاورزي، صنعت و شرب بوده، لذا توجه به خصوصيات كيفي و كمي آنها از اهميت خاصي برخوردار مي باشد. بررسي و پيش بيني پارامترهاي كيفي و كمي آب در طول رودخانه به منظور تصميم گيري هاي مديريتي يكي از اهداف مديران و برنامه ريزان منابع آب تلقي مي گردد. به منظور دست يابي به اين اهداف استفاده از نرم افزارها و مدل هاي رياضي و كامپيوتري اجتناب ناپذير است. در دهه هاي اخير كاربرد شبكه هاي عصبي مصنوعي و سيستم استنتاج عصبي- فازي در بسياري از علوم مهندسي جهت شبيه سازي و پيش بيني پديده ها متداول گرديده است. در اين مقاله تحقيقي بر روي رودخانه گرگان رود در شمال شرقي ايران به منظور پيش بيني و شبيه سازي كيفيت آب از پارامترهايي نظير سديم، كلسيم، منيزيم و SAR با دوره آماري 46 ساله (سال هاي 1390-1346) در ايستگاه هيدرومتري تمر استفاده گرديد. به منظور تحليل داده هاي دو روش شبكه عصبي مصنوعي و سيستم استنتاج عصبي- فازي از نرم افزار MATLAB استفاده شده است. نتايج نشان دادند كه شبكه عصبي مصنوعي نسبت به سيستم استنتاج عصبي فازي داراي تخمين مطلوب تري در شبيه سازي و برآورد SAR ميباشد.

Rivers are the main sources of water supply for agriculture, industry and drinking, therefore paying attention to the quality and quantity is of prime importance. Assessment and prediction of the qualitative and quantitative parameters of water along the river path is one of the objectives of water resource managers and planners for managerial descion-taking precedures. To achieve these objectives, the use of mathematical models and computer software is inevitable. In recent decades, neuro-fuzzy inference systems and artificial neural networks are used in many engineering sciences to simulate and predict phenomena. The goal of this research is the prediction and simulation of the water quality parameters such as sodium, calcium, magnesium and SAR with a 46-year period (1346-goal 1390 years) in Tamar gauging station on Gorganroud River in northeastern Iran. In order to compare the results of neuro-fuzzy inference system and artificial neural network, MATLAB software is used. The results showed that neuro-fuzzy inference system rather than artificial neural network performs better estimates in the simulation and prediction of the SAR.