TY - JOUR ID - TI - ARTIFICIAL NEURAL NETWORK MODELING OF THE WATER QUALITY INDEX FOR THE EUPHRATES RIVER IN IRAQ نمذجة الشبكات العصبية الاصطناعية لمؤشر نوعية مياه نهر الفرات في العراق AU - Ibrahim & et al. ابراهيم وآخرون PY - 2020 VL - 51 IS - 6 SP - 1572 EP - 1580 JO - Iraqi Journal of Agricultural Sciences مجلة العلوم الزراعية العراقية SN - 00750530 24100862 AB - This study was aimed to investigate the development and evaluation of artificial intelligence techniques by using multilayer neural network. Levenberg–Marquardt back propagation (LMA) training algorithm was applied for calculating drinking water quality index (WQI) for Euphrates river (IRAQ). The transfer functions in the artificial network model were tangent sigmoid and linear for hidden and output layers, respectively. Eleven neurons presented for good prediction for results of (WQI) with a coefficient of correlation >0.97 and statistically calculated WQI values, inferring that the model predictions explain 94% of the variation in the calculated WQI scores. The WQI score of the Euphrates was 142 considered as poor. The analysis of sensitivity revealed that the total dissolved solids (TDS) is the highest effective variable with the relative importance of (26.3%), followed by electrical conductivity (EC) (23.1%), pH (17.3%), calcium (Ca) (0.149), chlorides (Cl) (11.2%), Hardness (5.7%), Temperature (1.3%), respectively. It can be concluded that the model presented in this study gives a useful alternate to WQI assessment, which use sub indices formulae.

تتحرى الدراسة تطوير تقنية الذكاء الاصطناعي من خلال استعمال الشبكات العصبية متعددة الطبقات لغرض حساب مؤشر نوعية المياه لنهر الفرات داخل العراق. تم اعتماد ثمانية خلايا عصبية في بناء النموذج وقد اعطت معامل ارتباط عالي اكبر من 0.97 مع القيم المحسوبة وفق الفحوصات المختبرية والحقلية. كما ان النتائج فسرت 94% من التباين لقيم نوعية المياه. من خلال تحليل النتائج بلغ تقييم نهر الفرات 142 كتقييم لمؤشر نوعية المياه مما صنفت نوعية المياه بأنها فقيرة.اظهرت نتائج تحليل الحساسية بأن الاملاح الذائبة لها اكبر تأثير على نوعية المياه وبنسبة اهمية (26.3)% تليها التوصيلية الكهربائية (23.1)% ، درجة الحموضة pH (17.3)%، الكالسيوم (14.9)%، الكلوريدات (11.2)%، العسرة (5.7)%، والحرارة (1.3)% على الترتيب. وبينت النتائج بأن النمذجة بأستخدام الشبكات العصبية ناجحة وفعالة في تقدير نوعية المياه. ER -