کاربرد مدل های بهینه عصبی فازی در تخمین شاخص کیفی آب رودخانه ی کارون

مدیریت کیفیت آب مستلزم اتخاذ تصمیمات صحیح مدیریتی است و لازمه این امر پیش بینی و تخمین کیفیت آب در بدنه های آبی می باشد. استفاده از روش های هوش مصنوعی از جمله مدل های کارا در پیش بینی متغیرها و شاخص های کیفیت آب می باشد. در این تحقیق، در ابتدا با استفاده از سیزده متغیر ورودی کیفیت آب شامل اکسیژن محلول، اکسیژن موردنیاز شیمیایی، اکسیژن موردنیاز بیولوژیکی، هدایت الکتریکی، نیترات، نیتریت، فسفات، کدورت، شاخص اسیدیته، کلسیم، منیزیم، سدیم و دما مقادیر شاخص کیفی (WQI) ماهانه بر اساس دستور العمل موسسه بهداشت ملی (NSF) برای نه ایستگاه آب سنجی رودخانه کارون تخمین زده شده است. سپس، از روش های آنالیز حساسیت آزمون گاما (GT)، آنالیز مولفه های اصلی (PCA) و انتخاب پیشرو متغیرها (FS) به منظور دست یابی به انتخاب بهینه متغیرهای ورودی به مدل هوشمند سیستم استنتاجی عصبی-فازی تطبیقی (ANFIS) استقاده گردید. در نهایت، ضرایب ثابت توابع عضویت موجود در ساختار مدل ANFIS با استفاده از چهار الگوریتم های بهینه ساز کلونی مورچگان (ACO)، وراثتی (GA) و ازدحام ذرات (PSO) محاسبه گردیدند. نتایج شاخص های آماری نشان داد که مدل ترکیبی GT-ANFIS-PSO با داشتن مقادیر ضریب همبستگی، میانگین خطای مطلق و جذر میانگین مربعات خطا به ترتیب برابر با0/952، 1/68 و 3/05 در مرحله آزمایش در مقایسه با سایر مدل های ترکیبی دارای عملکرد بهتری می باشد. همچنین، مقادیر شاخص کیفی آب در بازه20 تا 58/4 قرار گرفتند که بیانگر کیفیت نسبتا بد تا خوب آب رودخانه کارون می باشد.