مهندسین مشاور طرح و تحقیقات آب و فاضلاب اصفهان مجله آب و فاضلاب 1024-5936 31 5 2020 11 21 Estimation of Water Quality Parameters in the Sepidrood River by ANFIS, GEP and LS-SVM Models تخمین پارامترهای کیفیت آب رودخانه سفیدرود با استفاده از مدل‌های ANFIS، GEP و LS-SVM 1 10 112798 10.22093/wwj.2020.187271.2873 FA آرش ادیب استاد، گروه مهندسی عمران، دانشکده مهندسی، دانشگاه شهید چمران اهواز، اهواز، ایران هیوا فرج پناه دانشجوی کارشناسی ارشد، گروه مهندسی عمران، دانشکده مهندسی، دانشگاه شهید چمران اهواز، اهواز، ایران محمد محمودیان شوشتری استاد، گروه مهندسی عمران، دانشکده مهندسی، دانشگاه شهید چمران اهواز، اهواز، ایران ایمان احمدیان‌فر استادیار، گروه مهندسی عمران، دانشکده مهندسی، دانشگاه صنعتی خاتم الانبیاء بهبهان، بهبهان، ایران Journal Article 2019 05 24 Rivers are the most important water supply resource for the drinkable, agricultural and industrial demands. Therefore, estimation of water quality parameters in rivers is an essential and necessary task. This research applies the Adaptive Neuro-Fuzzy Inference System (ANFIS), the Least Squares-Support Vector Machines (LS-SVM) and the Gene Expression Programming (GEP) for estimation of Total Dissolved Solids (TDS), Electrical Conductivity (EC) and Total Hardness (TH) in the Sepidrood River and a 40 year period. The applied performance criteria are the correlation coefficient (R), the Nash-Sutcliffe model Efficiency coefficient (NSE), the Normalized Mean Squared Error (NMSE) and the Mean Absolute Error (MAE). These methods have high ability for estimation of water quality parameters. The best method is LS-SVM method for estimation of TDS (RTrain=0.95 RTest=0.96). The best method is GEP method for estimation of EC (RTrain=0.94 RTest=0.95). The best method is ANFIS method for estimation of TH (RTrain=0.92 RTest=0.94). This research shows that intelligence methods can estimate unmeasured concentration of qualitative parameters by concentration of other qualitative parameters. <strong>رودخانه‌ها مهم‌ترین منابع آب آشامیدنی، کشاورزی و صنعت به‌شمار می‌روند. ازاین‌رو بررسی و تخمین پارامترهای کیفی آب در طول یک رودخانه باید مورد توجه قرار گیرد. در این پژوهش از سه مدل سیستم سامانه استنتاجی عصبی- فازی تطبیقی (ANFIS)، حداقل مربعات ماشین‌بردار پشتیبان (LS-SVM) و برنامه‌ریزی بیان ژن (GEP) برای تخمین برخی از پارامترهای کیفی آب (کل جامدات محلول، هدایت الکتریکی و سختی کل) رودخانه سفیدرود طی یک دوره آماری 40 ساله استفاده شد. ارزیابی این سه روش هوش مصنوعی توسط معیارهای آماری ضریب هم‌بستگی (R)، ضریب کارایی نش- ساتکلیف (NSE)، مربع میانگین خطای استاندارد نرمال شده (NMSE) و میانگین قدر مطلق خطا (MAE) انجام شد. نتایج حاصل از این پژوهش نشان داد که هر سه روش هوش مصنوعی ANFIS، LS-SVM و GEP قابلیت بسیار زیادی در تخمین پارامترهای کیفی TDS، TH، EC دارند. به‌صورتی که برای تخمین TDS روش LS-SVM، (RTrain=0.95 RTest=0.96) ، برای تخمین EC،<br /> روش GEP، (RTrain=0.94 RTest=0.95) و برای تخمین TH روش ANFIS، ((RTrain=0.92 RTest=0.94 بهترین شبیه‌سازی را انجام دادند. این پژوهش نشان می‌دهد که با استفاده از روش‌های هوش مصنوعی می‌توان غلظت پارامترهای کیفی را در صورت عدم اندازه‌گیری آنها و بر اساس غلظت سایر پارامترهای کیفی محاسبه کرد.</strong> https://www.wwjournal.ir/article_112798_eec93d30908bd873b8677f421e8e29be.pdf