تخمین برخی پارامترهای کیفی رودخانه ها با استفاده از مدل هیبرید شبکه های عصبی- موجکی (منطقه مطالعاتی: رودخانه جاجرود تهران و قره سو کرمانشاه)

رودخانه ها مهم ترین منابع تامین آب آشامیدنی، کشاورزی و صنعت به شمار می آیند و به علت اینکه از بسترها و مناطق مختلفی می گذرند و در ارتباط مستقیم با محیط پیرامون خود هستند نوسانات کیفی زیادی دارند. از این رو بررسی و تخمین تغییرات پارامترهای کیفی آب در طول یک رودخانه بایستی مورد توجه قرار گیرد. در این تحقیق از یک مدل تلفیقی موجکی و شبکه عصبی مصنوعی، جهت تخمین برخی از پارامترهای کیفی آب (کل جامدات محلول، هدایت الکتریکی و نسبت جذبی سدیم) رودخانه های جاجرود تهران و قره سو کرمانشاه طی یک دوره آماری 24 ساله استفاده شده است.
در تحقیق حاضر، با استفاده از توان بالای موجک در شناسایی سیگنال ها و جداسازی سیگنال های خطا در ترکیب با شبکه عصبی برای تخمین پارامترهای کیفی آب رودخانه های مذکور مدل شبکه عصبی موجکی مورد تجزیه و تحلیل قرار گرفت و با مدل شبکه عصبی مصنوعی مقایسه گردید. ارزیابی این دو مدل توسط معیارهای آماری ضریب همبستگی (r)، ضریب کارایی نش- ساتکلیف (NS)، ریشه مربع میانگین خطا (RMSE) و میانگین قدر مطلق خطا (MAE) انجام پذیرفت.
نتایج برآمده از تحقیق نشان داد که مدل بهینه شبکه عصبی موجکی با ضریب همبستگی بالای 9/0 قابلیت بالایی در تخمین پارامتر SAR در ایستگاه های مورد مطالعه دارد. همچنین در مورد پارامترهای EC و TDS دقت بالا و میزان خطای پایین مدل توسعه یافته عصبی موجک نسبت به مدل شبکه عصبی مصنوعی مشهود بود.
با توجه به کارایی بالای شبکه عصبی موجکی در پیش بینی پارامترهای کیفی آب رودخانه ها می توان از این مدل جهت اتخاذ تصمیمات مدیریتی و همچنین برای حصول اطمینان از نتایج پایش و کاهش هزینه پایش استفاده کرد.