تخمین تغییرات پارامترهای کیفی منابع آب از جمله هدایت الکتریکی در طول یک رودخانه ضروری است. در مقاله حاضر از شبکه عصبی مصنوعی (ANN) و استنتاج فازی-عصبی تطبیقی (ANFIS-SC) جهت تخمین هدایت الکتریکی(EC) رودخانه نکارود در دوره آماری 22 ساله (1392-1371) استفاده شده است. دوره مطالعاتی مذکور بر اساس میزان جریان رودخانه به دو دوره کم آبی و پرآبی تفکیک شد، سپس بااستفاده از روش تجزیه به مؤلفههای اصلی، پارامترهای مؤثر در تخمـین ECتعیین و برای ورودی مدلها استفاده شد. نتایج نشان داد کمترین مقدار مجذور میانگین مربعات خطا(RMSE)در دوره کم آبی و پرآبی در دو روش مربوط به مؤلفه اول است که مقدار این آماره در روش ANN مربوط بهدوره آموزش و صحتسنجی در دوره کمآبی برابر باµS/cm 22/35 و 10/81 و در دوره پرآبی برابر با µS/cm 6/92 و 8/49تخمین زده است. در روش ANN-SC مقدار RMSE در دوره کم آبی در دوره آموزش و صحت سنجی برابر باµS/cm 21/86 و 13/14 و در دوره پرآبی برابر باµS/cm 8/5 و 13/19 بهدست آمده است. پارامترهای مؤلفه اول در دوره کم آبی شاملCa ،So4،Hco3 ،Mg ، TDS، مجموع آنیون ها و کاتیون ها و در دوره پرآبی شامل پارامترهایCa ،Hco3 ، TDS، مجموع آنیون ها و کاتیون ها می باشد.
Mohammadi P, Ebrahimi K. An Improvement on the Estimation of River ECs using ANN Models and ANFIS involving PCA Analysis, Case Study; Nekarood River, IRAN. jwmseir 2019; 13 (47) :29-39 URL: http://jwmsei.ir/article-1-845-fa.html
محمدی پروا، ابراهیمی کیومرث. ارتقاء تخمین هدایت الکتریکی رودخانه با کاربرد مدلهای شبکه عصبی و استنتاج فازی- عصبی تطبیقی بر اساس روش تجزیه به مؤلفههای اصلی (مطالعه موردی نکارود). مجله علوم ومهندسی آبخیزداری ایران. 1398; 13 (47) :29-39
به اطلاع کلیه نویسندگان ، محققین و داوران محترم می رساند:با عنایت به تصمیم هیئت تحریریه مجله علمی پژوهشی علوم و مهندسی آبخیزداری فرمت تهیه مقاله به شکل پیوست در بخش راهنمای نویسندگان تغییر کرده است. در این راستا، از تاریخ ۱۴۰۳/۰۱/۲۱ کلیه مقالات ارسالی فقط در صورتی که طبق راهنمای نگارش جدید تنظیم شده باشد مورد بررسی قرار خواهد گرفت.