TY - JOUR T1 - Evaluation of Intelligent Models in Water Quality Simulation of the Babolrood and Sefidrood Rivers, Iran TT - کاربرد مدل های هوش مصنوعی در شبیه سازی کیفیّت آب بابلرود و سفیدرود JF - ijwmse JO - ijwmse VL - 16 IS - 58 UR - http://jwmsei.ir/article-1-1061-fa.html Y1 - 2022 SP - 53 EP - 62 KW - Calibration KW - Classification KW - Modelling KW - the Environment KW - Water Resources N2 - میزان کل مواد جامد محلول عامل مهمّی در تعیین کیفیّت آب رودخانه­ ها می­ باشد. در این مطالعه، از پنج مدل مبتنی بر داده شامل سه مدل فراابتکاری علف هرز مهاجم، کلونی زنبور عسل، ازدحام ذرات، مدل ماشین­ بردارپشتیبان و شبکه‌عصبی‌بیزین در پیش­ بینی کیفیّت آب بابلرود و سفیدرود استفاده شد. برای این منظور از داده­ های منتشر نشده­ ی ماهیانه­ ی کلسیم، منیزیم، بی‌کربنات، سدیم، سولفات، EC، pH وکل مواد جامد محلول از ایستگاه قرآن‌تالار بابلرود و ایستگاه پروریج­ آباد سفیدرود به ترتیب در بازه­ های زمانی 1345-1394 و 1394-1381 تجزیه ‌و تحلیل شد. نتایج ارزیابی این پنج مدل بر مبنای معیارهای ضریب تبیین، جذر میانگین مربعات خطا و ضریب نش-ساتکلیف نشان داد که روش هیبریدی کلونی زنبورعسل در ایستگاه هیدرومتری قرآن­ تالار بابلرود و پروریج­ آباد سفید رود در بخش صحّت سنجی با بیشترین ضریب تبیین به ترتیب برابر با 0.985 و 0.989 و کمترین جذر میانگین مربعات خطای 10.493 و 5.289 میلی‌گرم بر لیتر و بیشترین ضریب نش-ساتکلیف مساوی 0.983 و 0.992 نسبت به چهار مدل دیگر برتری بالا و سریعی در ارزیابی کیفیّت آب دارد. M3 ER -