ارزیابی شبکه عصبی احتمالی (PNN) در مقایسه با شاخص کیفیت آب NSFWQI در طبقه ‏بندی کیفی منابع آب

ارزیابی شبکه عصبی احتمالی (PNN) در مقایسه با شاخص کیفیت آب NSFWQI در طبقه ‏بندی کیفی منابع آب

دنیا دزفولی1 سید محمد حسینی موغاری2 کیومرث ابراهیمی3

1) دانشجوی کارشناسی ارشد مهندسی منابع آب، گروه مهندسی آبیاری و آبادانی دانشگاه تهران، کرج،
2) دانشجوی دکتری مهندسی منابع آب، گروه مهندسی آبیاری و آبادانی دانشگاه تهران، کرج،
3) دانشیار گروه مهندسی آبیاری و آبادانی دانشگاه تهران، کرج، ایران-

کد IOI مقاله : XYAA-ZBCFE
محل انتشار : دومین کنفرانس بین المللی توسعه پایدار، راهکارها و چالش ها با محوریت کشاورزی ، منابع طبیعی، محیط زیست و گردشگری(2icsda.ir)
چکیده :
    رودخانه¬ها به عنوان یکی از مهم¬ترین منابع آب شیرین مصرفی بخش¬های کشاورزی، صنعت و شهری از اهمیت ویژه¬ای برخوردارند. لذا برنامه¬ریزی و رسیدگی جدی به کیفیت آب رودخانه¬های کشور امری ضروری است. به منظور طبقه¬بندی کیفیت منابع آب سطحی لازم است کیفیت تعداد زیادی از نمونه¬های آب تعیین شود. این یک فرآیند بسیار وقت¬گیر است، لذا استفاده از الگوریتم¬های طبقه¬بندی یکی از راهکارهای موثر برای کاهش زمان محاسبات است. هدف از مقاله حاضر طبقه¬بندی کیفیت آب رودخانه کارون با استفاده از شاخص NSFWQI و الگوریتم شبکه عصبی احتمالی (PNN) می¬باشد. در این مقاله از دو معیار ارزیابی نرخ خطا و دقت جهت ارزیابی الگوریتم استفاده شد. نتایج نشان می¬دهد که الگوریتم PNN در مرحله آموزش و آزمایش به ترتیب از دقت 94/3657 % و 90/7769% برخوردار است که بیانگر عملکرد خوب الگوریتم در تعیین کلاسه¬های کیفی آب است.

کلمات کلیدی : کیفیت آب طبقه¬بندی شبکه عصبی احتمالی nsfwqi