برآورد مقدار جامدات محلول رودخانه با استفاده از محاسبات نرم (مطالعه موردی: بالادست سد بوکان)

زندگی بشر در کره زمین در گرو تامین آب مناسب از نظر کمی و کیفی قرار دارد. در سال های اخیر استفاده از مدل های ریاضی برای شبیه سازی کیفیت آب رودخانه ها توسعه زیادی یافته که به دلیل پیچیدگی و تعدد فرآیندهای کیفی منابع آب سطحی، استفاده از محاسبات نرم روشی نو جهت پیش بینی کیفیت آب رودخانه ها می باشد. در این مطالعه، قابلیت روش شبکه های عصبی مصنوعی با الگوریتم آموزشی لونبرگ- ماکوارت، سامانه استنتاجی عصبی-فازی تطبیقی مبتنی بر مدل دسته بندی تفریقی و برنامه ریزی بیان ژن برای مدل بندی خصوصیات کیفیت آب رودخانه در بالادست سد مخزنی بوکان واقع در حوضه آبریز زرینه رود و برآورد میزان جامدات محلول (TDS)ارزیابی و مقایسه شدند. بدین منظور از داده های کیفیت آب دو ایستگاه هیدرومتری آنیان و صفاخانه در بالادست سد مخزنی بوکان با طول دوره آماری 18 ساله (1389-1372) استفاده گردید. ابتدا در یک آنالیز اولیه آماری بر اساس رگرسیون گام به گام، پارامترهای موثر و اصلی کیفیت آب در پیش بینیTDS تعیین گردید. نتایج بیانگر عملکرد قابل قبول هر سه روش شبکه عصبی مصنوعی، سامانه استنتاجی عصبی-فازی تطبیقی و برنامه ریزی بیان ژن برای مدل بندی میزان جامدات محلول در بالادست سد می باشد. برنامه ریزی بیان ژن، سامانه استنتاجی عصبی-فازی تطبیقی و شبکه عصبی مصنوعی با پنج پارامتر ورودی بیشترین دقت را داشتند. برنامه ریزی بیان ژن علاوه بر عملکرد بالا، در ایستگاه های آنیان و صفاخانه به ترتیب با ضرایب همبستگی 962/0 و 971/0 و ریشه میانگین مربعات خطا mg/L 82/12 و mg/L 08/29، روابط ریاضی جهت برآورد مقدار جامدات محلول در رودخانه های بالادست سد را نیز ارائه داد.