بخشی از مقاله
چکیده
رودخانه ها اصلی ترین منابع تامین آب بخش های کشاورزی، صنعت و شرب بوده، لذا توجه به خصوصیات کیفی و کمی آنها از اهمیت خاصی برخوردار می باشد. بررسی و پیش بینی پارامترهای کیفی و کمی آب در طول رودخانه به منظور تصمیم گیری های مدیریتی یکی از اهداف مدیران و برنامه ریزان منابع آب تلقی می گردد. به منظور دست یابی به این اهداف استفاده از نرم افزارها و مدل های ریاضی و کامپیوتری اجتناب ناپذیر است.
در دهه های اخیر کاربرد شبکه های عصبی مصنوعی، منطق فازی و رگرسیون آماری در بسیاری ازعلوم مهندسی جهت شبیه سازی و پیش بینی پدیده ها متداول گردیده است. مقاله حاضر تحقیقی بر روی رودخانه کارون در ناحیه جنوبی ایران می باشد. به منظور بررسی، پیش بینی و شبیه سازی کیفت آب از پارامترهایی نظیر دبی، کربنات، بی کربنات، سولفات، کلرید، سدیم، کلسیم، منیزیم، پتاسیم، EC ، TDS و SAR با دوره آماری 26 ساله - سال های - 64-90 در بازه عرب حسن-دارخوین استفاده گردید.
به منظور تحلیل داده ها در روش شبکه عصبی مصنوعی، فازی-عصبی و رگرسیون آماری به ترتیب نرم افزارهای Qnet 2000، MATLAB و SPSS 15.0 به کار گرفته شدند. نتایج نشان دادند که شبکه های عصبی مصنوعی و فازی-عصبی دارای تخمین مطلوب تری در شبیه سازی و برآورد EC ، TDS و SAR نسبت به روش رگرسیون آماری می باشند.
مقدمه
امروزه آب و منابع آب های سطحی و زیرزمینی از پایه های اصلی توسعه پایدار به شمار می روند. رودخانه ها به عنوان یکی از منابع تامین کننده آب مورد نیاز بخش های کشاورزی، صنعتی و شهری می باشند که علاوه بر کمیت و میزان آورد، کیفیت آنها نیز حائز اهمیت می باشد. استان خوزستان با دارا بودن پنج رودخانه کارون، دز، کرخه، جراحی و زهره بخش عمده نیاز آبی خود را از آب های سطحی تامین می نماید. در این میان رودخانه کارون از پرآب ترین رودخانه های کشور محسوب می گردد که در مسیر خود آب مورد نیاز شرب ده ها شهر و روستا هم چنین هزاران هکتار اراضی کشاورزی، چندین طرح پرورش ماهی و کارخانه های صنعتی را تامین می نماید.
کاهش آبدهی رودخانه بر اثر برداشت های روزافزون آب از یک سو و تخلیه پساب های شهری، صنعتی و کشاورزی درون آن از سوی دیگر وضعیت کیفی آب رودخانه را در وضع موجود به مخاطره افکنده است - جعفرزاده و توسلی، . - 1381 لذا آگاهی از روند تغییرات، شبیه سازی و پیش بینی کیفیت و کمیت آب کارون با توجه به افزایش روز افزون صنایع، جمعیت و اجرا و توسعه طرح های مختلف حائز اهمیت می باشد.
امروزه استفاده از روش هایی مانند شبکه عصبی مصنوعی، منطق فازی و رگرسیون آماری و نرم افزارهای کامپیوتری نظیر؛ HEC5Q, MIKE11 , WATEVAL , QUAL2E جهت بررسی و شبیه سازی پدیده های طبیعی متداول شده است. با توجه به اهمیت بررسی کمی و کیفی آب در مقاله حاضر با استفاده از روش های شبکه عصبی مصنوعی، روش فازی-عصبی و رگرسیون آماری وضعیت کیفی آب رودخانه کارون بررسی شده است.
موقعیت و محدوده مورد مطالعه
رودخانه کارون یکی از پرآب ترین و طویل ترین رودخانه های ایران بوده و رواناب مناطق وسیعی از کشور را جمع آوری نموده و به خلیج فارس می رساند. سرچشمه اولیه آن در کوه های زاگرس مرکزی و کوه های زردکوه بختیاری قرار دارد. رودخانه از دره های تنگ و عمیق در سرچشمه تا بستر پهن و گسترده در جلگه خوزستان جریان یافته و با عبور از خرمشهر و آبادان از طریق شاخه های بهمنشیر و اروندرود به خلیج فارس می ریزد.
طول رودخانه کارون حدود 890 کیلومتر و حوضه آبریز آن منطقه ای حدود 62570 کیلومترمربع را شامل می شود. پهنا و عمق رودخانه کارون در طول مسیر متفاوت است. پهنای این رودخانه در قسمت کوهستانی کم و حدود 25-40 متر و در دشت، بالادست شهر اهواز 250-400 متر و نیز در اطراف خرمشهر از 350 تا 700 متر تغییر می نماید. عمق کارون در قسمت کوهستانی حدود 4-5 متر و در اطراف اهواز به 5-7 متر می رسد.
با توجه به پتانسیل این رودخانه جهت ایجاد سدهای مخزنی بزرگ و بهره برداری از آن جهت مصارف کشاورزی، صنعتی و شرب مطالعه و بررسی کمی و کیفی با توجه به ورود پساب های کشاورزی، صنعتی و شهری گوناگون حائز اهمیت می باشد - حسینی زارع، . - 1381 بدین منظور کیفیت آب این رودخانه در بازه عرب حسن- دارخوین با استفاده از شبکه عصبی مصنوعی، روش فازی-عصبی و رگرسیون آماری بررسی می گردد.
رگرسیون آماری
رگرسیون آماری روشی است که برای گزینش مناسب ترین ترکیب از متغیرهای مستقل جهت برآورد متغیرهای وابسته. در این مقاله مدل رگرسیونی گام به گام با استفاده از نرم افزار SPSS 15.0 پارامترهای EC ، TDS و SAR با استفاده از متغیرهای مستقل دبی، کربنات، بی کربنات، سولفات، کلرید، سدیم، کلسیم، منیزیم و پتاسیم برآورد شدند.
شبکه عصبی مصنوعی
شبکه عصبی مصنوعی یک نوع سیستم هوش مصنوعی است که از روی سلول های عصبی موجودات زنده شبیه سازی شده و در یادگیری، پردازش و به خاطر سپاری اطلاعات روش مغز انسان را تقلید می کند. بعضی از پیش زمینه های شبکه های عصبی را می توان به اواخر قرن نوزدهم و اوایل قرن بیستم نسبت داد. در این دوره کارهای اساسی در فیزیک، روانشناسی، فیزیولوژی توسط دانشمندانی چون ایوان پاولف1 صورت پذیرفت. این کارهای لیهاو عموماً بر تئوری های کلی یادگیری، بینایی و شرطی تاکید داشتند و به مدل های ریاضی عملکرد شبکه اشاره ای نداشتند - منهاج، . - 1379
دیدگاه جدید شبکه های عصبی مصنوعی در قرن بیستم با کار وان مک کلوث2 و والتر پیتز3 آغاز شد. آنها نشان دادند که شبکه های عصبی می توانند هر تابع حسابی و منطقی را محاسبه کنند. نخستین کاربردهای عملی شبکه عصبی معرفی شبکه پرسپترون توسط فرانک روزنبلات4 در سال 1958، طرح شبکه عصبی تطبیقی آدلاین5 توسط برنارد ویدرو 6 1960 بود. تا دهه 80 به علت نبود کامپیوترهای با سرعت بالا جهت پیاده سازی، تحقیق در مورد شبکه های عصبی مصنوعی روندی کند داشت ولی با رشد و توسعه میکرو پروسسورها روندی صعودی یافت - منهاج، . - 1379 به طور کلی می توان روند پیشرفت شبکه های عصبی را در سه فاز تقسیم بندی نمود:
- کار روی توسعه نرون عصبی و مشخص شدن چند فاکتور محدود کننده توسط منیسکی7 و پاپرت1969 8
- کشف و تعمیم الگوریتم آموزشی پس انتشار 9 توسط راملهات10 و مکلند11
- ارزیابی های خیلی دقیق محدودیت های شبکه، تعمیم و مقایسه آن با روش های دیگر همچون الگوریتم ژنتیک و تئوری فازی - داوسون و ولبی12، . - 2001
هر شبکه عصبی را می توان مشتمل بر سه لایه؛ ورودی با متغیرهای مستقل، خروجی با متغیرهای وابسته و یک یا چند لایه پنهان در بردارنده عناصر فرآیند دانست. شبکه توسط یک سری از داده های واقعی آموزش دیده و چنان چه این عمل با تکرار مناسب و توابع صحیح انجام شود می توان انتظار تجزیه و تحلیل پدیده را با موفقیت در آینده داشت و از شبکه نتایج مناسب دریافت نمود. شکل - 1 - نمونه ای از شبکه عصبی مصنوعی را با اجزا آن نشان می دهد.
