ناقشت رسالة ماجستير في كلية الهندسة بجامعة البصرة (التنبؤ بالاوكسجين المذاب في نهر شط العرب "العراق" باستخدام الشبكات العصبية الاصطناعية) 

تناولت الرسالة التي قدمتها الطالبة زينب عباس خضير تقييم وتدريب واختبار تطبيق نماذج الشبكة العصبية الاصطناعية لنمذجة نوعية مياه شط العرب"البصرة _العراق" وتناولت استخدام نموذج ANN للتنبؤ بالاوكسجين المذاب في النهر .يتم اجراء نموذج ANN  باستخدام بيانات تجريبية ماخوذة من وزارة البيئة خلال الفترة ٢٠٠٩-٢٠١٤ 

تم استخدام خوارزمية الانتشار الخلفي للأمام في تدريب جميع النماذج، تم تدريب (ANN) باستخدام خوارزمية Levenberg-Marquardt مع أنواع مختلفة من الخوارزميات  (معادلات التدريب) ، للحصول على أفضل أداء للنموذج المقترح. تم استخدام طريقة التجربة والخطأ لتحديد بنية ANN النهائية. تم اختيار نتائج نماذج ANN استنادًا إلى معامل الارتباط (R) ومتوسط مربع الخطأ(MSE) . كما أن استخدام طبقتين مخفيتين أعطى نتائج أفضل من طبقة واحدة مخفية. تم دراسة ثلاثة نماذج من دراسات الشبكة العصبية الاصطناعية في التنبؤ بالأكسجين المذاب في شط العرب.

في الدراسة النموذجية الأولى ، قام النموذج المقترح (ANN-M1) بتقييم وتخمين جودة مياه نهر شط العرب. تم جمع إجمالي عدد (538) عينة كمجموعة بيانات وتم تدريب  ANN واختبارها بنسبة 80 ٪ و 20 ٪ من مجموعات البيانات 

بينما في الدراسة النموذجية الثانية ، كان النموذج الثاني المقترح (ANN-M2) هو تقييم وتنبؤ الأكسجين المذاب في نهر شط العرب. تم جمع إجمالي عدد (570) عينة كمجموعة بيانات .في الدراسة النموذجية الثالثة ، استخدم النموذج المقترح (ANN-M3) لتوقع الأكسجين المذاب في نهر شط العرب. تم جمع (32) عينة كمجموعة بيانات للسنة الحالية. 

في الدراسة النموذجية الرابعة (ANN-M4) تم استخدامه اعتمادًا على البيانات التي تم قياسها في الدراسة الحالية لعام 2019. في هذا النموذج ، تم التنبؤ بتركيز الأكسجين المذاب بناءً على العلاقة بين الأكسجين المذاب (الذي يمثل متغير الإخراج لنموذج ANN) والمتغيرات مثل درجة الحرارة ، ودرجة الحموضة ، والعكورة ، والتوصيل ، والطلب الكيميائي للأكسجين ، والطلب على الأكسجين الكيميائي الحيوي ، والفوسفات ، وإجمالي المواد الصلبة الذائبة (التي تمثل متغيرات الإدخال لنموذج (ANN. تم جمع عدد إجمالي (32) عينة كمجموعة بيانات تحتوي على 24 بيانات لمجموعة بيانات التدريب و 8 بيانات لمجموعة بيانات الاختبار للدراسة الحالية

تهدف الرسالة الى التنبؤ بتركيز الأكسجين المذاب باستخدام نماذج عددية أو إحصائية مثل نماذج الشبكات العصبية الاصطناعية (.(ANNs

استنتجت الرسالة في الحالة الاولى .ان وظيفة تدريب Levenberg-Marquardt (trainlm) كانت الأفضل بين وظائف التدريب الأخرى التي استخدمت في هذه الدراسة مع طبقة مخفية واحدة وطبقتين مخفيتين..اما الحالة الثانية أظهرت النتائج أن الخلايا العصبية المستخدمة [14،9] في طبقتين مخفيتين كانت أفضل نتيجة مع التدريب: ( الارتباط =0,99982 ومتوسط مربع الخطأ=  0,00003494) الاختبار: (الارتباط =0,9686 ومتوسط مربع الخطأ =0,00235.( كان هذا النموذج فعال جدا وأفضل من النموذج الأول.

كما استنتجت  الحالة الثالثة  ان استخدام [10،8] خلايا عصبية مع طبقتان مخفيتان كانتا أفضل نتيجة (وأيضًا التدريب: (الارتباط =1  ومتوسط مربع الخطأ = 9,684 * 10-30 (   الاختبار: ( الارتباط = 0,9943  ومتوسط مربع الخطأ =0,0233). يشير إلى أن نموذج الشبكة العصبية المقترح أعطى تنبؤًا جيدًا للغاية ونتائج أكثر دقة.

،والحالة الرابعة أظهرت النتائج الحد الأدنى لمتوسط مربع الخطأ = 6,145 * 10-17  والارتباط =1 للتدريب و 0,91837 للاختبار.