fa کاربرد مدل های هوش مصنوعی در شبیه سازی کیفیّت آب بابلرود و سفیدرود تخصصي Special پژوهشي Research <strong>میزان کل مواد جامد محلول</strong> <strong>عامل مهمّی در تعیین کیفیّت آب رودخانه&shy; ها می&shy; باشد. در این مطالعه، از پنج مدل مبتنی بر داده شامل سه مدل فراابتکاری علف هرز مهاجم، کلونی زنبور عسل، ازدحام ذرات، مدل ماشین&shy; بردارپشتیبان و شبکه‌عصبی‌بیزین در پیش&shy; بینی کیفیّت آب بابلرود و</strong> <strong>سفیدرود استفاده شد. برای این منظور از داده&shy; های منتشر نشده&shy; ی ماهیانه&shy; ی </strong><strong>کلسیم، منیزیم، بی‌کربنات، سدیم، سولفات، </strong><strong><span dir="LTR">EC</span></strong><strong>، </strong><strong><span dir="LTR">pH</span></strong> <strong>و</strong><strong>کل مواد جامد محلول</strong> <strong>&nbsp;از ایستگاه قرآن‌تالار بابلرود و ایستگاه پروریج&shy; آباد سفیدرود به ترتیب در بازه&shy; های زمانی </strong><strong>1345-1394</strong><strong> و 1394-1381 تجزیه ‌و تحلیل شد. نتایج ارزیابی این پنج مدل بر مبنای معیارهای ضریب تبیین</strong><strong>، جذر میانگین مربعات خطا و ضریب نش-ساتکلیف نشان داد که روش</strong><strong> هیبریدی کلونی زنبورعسل </strong><strong>در ایستگاه هیدرومتری قرآن&shy; تالار بابلرود و پروریج&shy; آباد سفید رود در بخش صحّت</strong> <strong>سنجی با بیشترین ضریب تبیین به ترتیب برابر با </strong><strong>0.985 و 0.989 </strong><strong>و کمترین جذر میانگین مربعات</strong><strong> خطای </strong><strong>10.493 و 5.289 میلی‌گرم بر لیتر </strong><strong>و بیشترین ضریب نش-ساتکلیف مساوی </strong><strong>0.983 و 0.992 </strong><strong>نسبت به چهار مدل دیگر </strong><strong>برتری بالا و سریعی در ارزیابی کیفیّت آب دارد.</strong><strong><span dir="LTR"></span></strong><br> &nbsp; The amount of Total Dissolved Solids (TDS) is an important factor in determining the water quality of rivers. The purposes of this paper was to investigate the efficiency of four intelligent models including, SVM-IWO, SVM-PSO, SVM-ABC, LS-SVM and Bayesian Neural Network, in predicting water quality of Babolrood and Sefidrood rivers, north&nbsp; of Iran. To achieve this aim, unpublished measured monthly data including; Ca, Mg, HCO3, Na, SO4, EC, pH, and TDS from Quran-Talar station of Babolrood river and Prorijabad station of Sefidrood river were analyzed in the periods of 1966-2015 and 2002-2015, respectively. Evaluation of the four above-mentioned models, based on the correlation coefficient (R²), Root Mean Square Error (RMSE) and the Nash-Sutcliff coefficient (NSE) showed that the SVM-ABC model in both Babolrood and Sefidrood rivers with the highest R²s equal to 0.985 and 0.989 and the least amounts of RMSE equal to 10.493mg/l and 5.289 mg/l and the highest Nash-Sutcliffe equal to 0.983 and 0.992, respectively, has better and faster performance compared to others models in assessing water quality. طبقه بندی, محیط زیست, مدل سازی, منابع آب, واسنجی. Calibration, Classification, Modelling, the Environment, Water Resources 53 62 http://jwmsei.ir/browse.php?a_code=A-10-333-13&slc_lang=fa&sid=1 Fatemeh Akhoni Pourhosseini فاطمه آخونی پورحسینی Fateme.Pourhosini@ut.ac.ir 100319475328460015774 100319475328460015774 No Ph.D student of Water Resources Engineering, Department of Irrigation and Reclamation Engineering, University of Tehran, Karaj, Iran دانشجوی دکتری مهندسی منابع آب، گروه مهندسی آبیاری و آبادانی، دانشکدگان کشاورزی و منابع طبیعی، دانشگاه تهران، ایران Kumars Ebrahimi کیومرث ابراهیمی EbrahimiK@ut.ac.ir 100319475328460015775 100319475328460015775 Yes Professor, Department of Irrigation and Reclamation Engineering, University of Tehran, Karaj, Iran. Email: EbrahimiK@ut.ac.ir استاد گروه مهندسی آبیاری و آبادانی، دانشکدگان کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران. پستالکترونیک: EbrahimiK@ut.ac.ir Mohammad Hossein Omid محمدحسین امید MOmid@ut.ac.ir 100319475328460015776 100319475328460015776 No Professor, Department of of Irrigation and Reclamation Engineering, University of Tehran, Karaj, Iran استاد گروه مهندسی آبیاری و آبادانی، دانشکدگان کشاورزی و منابع طبیعی، دانشگاه تهران، کرج، ایران