fa تخمین برخی پارامترهای کیفی رودخانه‌ها با استفاده از مدل هیبرید شبکه‌های عصبی- موجکی (منطقه مطالعاتی: رودخانه جاجرود تهران و قره‌سو کرمانشاه) عمومى General پژوهشي Research <p>زمینه و هدف: رودخانه‌ها مهم‌ترین منابع تأمین آب آشامیدنی، کشاورزی و صنعت به شمار مـی‌آینـد و به‌علـت اینکه از بسترها و مناطق مختلفی می‌گذرند و در ارتباط مستقیم با محیط پیرامون خود هـستند نوسـانات کیفـی زیادی دارند. از این‌رو بررسی و تخمین تغییرات پارامترهای کیفی آب در طول یک رودخانه بایستی مـورد توجـه قرار گیرد. در این تحقیق از یک مدل تلفیقی موجکی و شبکه عصبی مصنوعی، جهت تخمین برخی از پارامترهای کیفی آب (کل جامدات محلول، هدایت الکتریکی و نسبت جذبی سدیم) رودخانه‌های جاجرود تهران و قره‌سو کرمانشاه طی یک دوره آماری 24 ساله استفاده شده است. روش بررسی: در تحقیق حاضر، با استفاده از توان بالای موجک در شناسایی سیگنال‌ها و جداسازی سیگنال‌های خطا در ترکیب با شبکه عصبی برای تخمین پارامترهای کیفی آب رودخانه‌های مذکور مدل شبکه عصبی موجکی مورد تجزیه و تحلیل قرار گرفت و با مدل شبکه عصبی مصنوعی مقایسه گردید. ارزیابی این دو مدل توسط معیارهای آماری ضریب همبستگی (r)، ضریب کارایی نش- ساتکلیف (NS)، ریشه مربع میانگین خطا (RMSE) و میانگین قدر مطلق خطا (MAE) انجام پذیرفت. یافته‌ها: نتایج برآمده از تحقیق نشان داد که مدل بهینه شبکه عصبی موجکی با ضریب همبستگی بالای 9/0 قابلیت بالایی در تخمین پارامتر SAR در ایستگاه‌های مورد مطالعه دارد. همچنین در مورد پارامترهای EC و TDS دقت بالا و میزان خطای پایین مدل توسعه یافته عصبی موجک نسبت به مدل شبکه عصبی مصنوعی مشهود بود. نتیجه‌گیری: با توجه به کارایی بالای شبکه عصبی موجکی در پیش‌بینی پارامترهای کیفی آب رودخانه‌ها می‌توان از این مدل جهت اتخاذ تصمیمات مدیریتی و همچنین برای حصول اطمینان از نتایج پایش و کاهش هزینه پایش استفاده کرد.</p> <p>Background and Objectives: Rivers are the most important resources supplying drinking, agricultural, and industrial water demand. Their quality fluctuates frequently due to crossing from different regions and beds as well as their direct relationship with their peripheral environments. Thus, it is essential to be considered the surveying and predicating changes in the water qualitative parameters in a river. In this study, in order to estimate some of the qualitative parameters (Total dissolved solids, electrical conductivity and sodium absorption rate) for Tehran Jajroud and Kermanshah Gharasu rivers, we used wavelet-artificial neural network (W-ANN) hybrid model during a statistical period of 24 years. Methods: We compared W-ANN model with ANN model in order to evaluate its capability in detecting signals and separating error signals for estimating water quality parameters of the abovementioned rivers. The evaluation of both models was performed by the statistical criteria including correlation coefficient, the Nash-Sutcliffe model efficiency coefficient (NS), the root mean square error (RMSE) and the mean absolute error (MAE). Results: The results showed that the optimized W-ANN with correlation coefficient of 0.9 has high capability to estimate SAR parameter in the stations studied. Moreover, we found that W-ANN had less error and higher accuracy in the case of EC and TDS parameters rather than ANN model. Conclusion: W-ANN proved high efficiency in forecasting of the water quality parameters of rivers, therefore, it can be used for decision making and assurance of monitoring results and optimizing the monitoring costs.</p> رودخانه‌ جاجرود تهران, رودخانه قره‌سو کرمانشاه, کل جامدات محلول, شبکه عصبی موجکی, نسبت جذبی سدیم, هدایت الکتریکی Jajroud River of Tehran, Gharaso River of Kermanshah Total Dissolved Solids, Wavelet Artificial Neural Network, Sodium Absorption Rate, Electrical Conductivity 277 294 http://ijhe.tums.ac.ir/browse.php?a_code=A-10-25-5027&slc_lang=fa&sid=1 Hossein Banejad حسین بانژاد hossein_banejad@yahoo.com Yes Department of Water Engineering, Faculty of Agriculture, Bu-Ali Sina University, Hamedan, Iran دانشیار دانشکده کشاورزی دانشگاه بوعلی سینا همدان Mahsa Kamali مهسا کمالی No Department of Water Engineering, Faculty of Agriculture, Bu-Ali Sina University, Hamedan, Iran گروه مهندسی آب دانشگاه بوعلی سینا همدان Kimia Amirmoradi کیمیا امیر مرادی No Department of Water Engineering, Faculty of Agriculture, Bu-Ali Sina University, Hamedan, Iran گروه مهندسی آب دانشگاه بوعلی سینا همدان Ehsan Olyaie احسان علیائی No Young Researchers Club, Hamedan Branch, Islamic Azad University, Hamedan, Iran دانشگاه آزاد اسلامیباشگاه پژوهشگران جوان و نخبگان، همدان، ایران