@Article{, title={Comparison between Linear and Non-linear ANN Models for Predicting Water Quality Parameters at Tigris River المقارنة بين نموذج الشبكة العصبية الأصطناعية ذو المدخلات الخطية و اللاخطية لتخمين معاملات نوعية المياه في نهر دجلة}, author={Rafa Hashim Al Suhili رافع هاشم السهيلي and Zainab Jaber Mohammed زينب جابر محمد}, journal={Journal of Engineering مجلة الهندسة}, volume={20}, number={10}, pages={1-15}, year={2014}, abstract={In this research, Artificial Neural Networks (ANNs) technique was applied in an attempt to predict the water levels and some of the water quality parameters at Tigris River in Wasit Government for five different sites. These predictions are useful in the planning, management, evaluation of the water resources in the area. Spatial data along a river system or area at different locations in a catchment area usually have missing measurements, hence an accurate prediction. model to fill these missing values is essential. The selected sites for water quality data prediction were Sewera, Numania , Kut u/s, Kut d/s, Garaf observation sites. In these five sites models were built for prediction of the water level and water quality parameters. the following (Biological Oxygen Demand(BOD_5), Phosphate,(PO_4) Sulfate(SO_4), Nitrate(NO_3), Calcium(Ca), Magnesium(Mg), Total Hardness(TH), Potassium(K), Sodium (Na), Chloride (CL), Total Dissolved Solids (TDS), Electric conductivity (EC), Alkalinity(ALK)). The ANN models tried herein were the Multisite- Multivariate ANN models (5-sites, 14 variables), five models were built, one for each of the five stations as the missing data station. The linear ANN (traditional) models fail to make the prediction of all variables with high correlation coefficient simultaneously. Hence a non- linear input ANN model was developed herein and believed to be a new modification in ANN modeling. It was found that the ANNs have the ability to predict water level and water quality parameters at all the sites with a good degree of accuracy, the range of correlation coefficients obtained are (12.9%-97.2%) for linear models, while for this model with Non-linear terms, The range of correlation coefficients obtained is (71.8%-99.6%).

في هذا البحثِ طُبّقتْ تقنية الشبكات العصبية الإصطناعية (ANNs) في محاولةِ لتَخمين مستوياتِ المياه والبعض مِنْ معايير نوعية المياه في نهرِ دجلةِ في محافظةِ واسط لخمسة مواقعِ مختلفةِ. هذه التخمينات مفيدة في التخطيط و الإدارة و تقييم مصادرِ المياه في المنطقةِ. أن البيانات المكانية على طول النظام نهري أَو مواقع المنطقةِ المختلفةِ في المنطقةّ لَها قياساتُ مفقودُ عادة، لِذلك فأن من الضروري بناء نموذج تخمينِ دقيقِ لمَلْئ هذه القِيَمِ المفقودةِ ُ.المواقع المختارة لتنبؤِ بياناتِ معايير نوعية المياه و منسوب الماء هي( الصويرة و النعمانية و الكوت u /s و الكوت d /s والغراف). في هذه المواقعَ الخمسة بُنِيتْ نماذج تخمين لمنسوب الماءو معايير نوعية المياه. معايير نوعية المياه تمثلت في (أحتياج الأوكسجينِ الحيويِ و فوسفات و كبريتات و نترات و كالسيوم و مغنيسيوم و عسرة المياه الكليّة و بوتاسيوم و صوديوم و كلوريد و المواد الصلبة الكلية و التوصيلية الكهربائية و القاعدية).أستخدام ANN في هذا البحث كان كنموذج متعدد المواقع متعدد المتغيراتُ (5 – مواقع و 14 متغيّر)، حيث تم بناء خمس نماذج واحد لكُلّ مِنْ المواقع الخمس حيث تم أعتبارموقع واحد مفقود لكل نموذج. نماذج ANN الخطيّة (التقليدية) فشلت في تخمين كُلّ المتغيّرات بمعاملِ الإرتباطِ عالي بشكل آني. لذلك تم تطوير نموذج ANN ذو المدخلات اللاخطية للحصول على معاملات أرتباط عالية. و قد تم أثبات قابلية (ANN) لتَخمين مستوىِ الماء و معايير نوعية المياه في كل المواقعِ مَع درجة جيدة مِنْ الدقةِ،و كان مدى معاملاتِ الإرتباطِ (%12.9-%97.2) للنموذج الخطي، أما للنموذج اللاخطّيِ فكان مدى معاملاتِ الإرتباطِ (%71.8-%99.6).} }