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