تخمین پارامترهای کیفی آبهای زیرزمینی در اقلیم های مختلف با استفاده از روش های هوش مصنوعی

در این مطالعه، پارامتر هدایت الکتریکی (EC) آبهای زیرزمینی (شامل منابع چاه عمیق، چاه نیمه عمیق و قنات) با استفاده از روشهای شبکه عصبی مصنوعی، سامانه استنتاجی فازی-عصبی تطبیقی مبتنی بر دو روش افراز شبکه و دسته بندی تفریقی و برنامه ریزی بیان ژن مدلسازی شد. بدین منظور، دادههای کیفیت آبهای زیرزمینی با طول دوره آماری ۱۷ ساله (۱۳۸۲-۱۳۹۸)، در دو محدوده مطالعاتی اسپکه-مسکوتان و مورچه-خورت که به ترتیب در حوضه هامون-جازموریان و گاوخونی با شرایط اقلیمی متفاوت واقع شدند، انتخاب گردید. محدوده های مطالعاتی اسپکه-مسکوتان و مورچه خورت بر اساس طبقه بندی اقلیمی کوپن-گیجر به ترتیب دارای نوع اقلیم Bwh و Bwk میباشد. در این مطالعه، عملکرد مدلها بر اساس شاخصهای ضریب همبستگی (R)، ریشه میانگین مربعات خطا (RMSE)، میانگین خطای مطلق (MAE) و ضریب کارایی نش-ساتکلیف (NSE) ارزیابی گردید. نتایج نشان داد که به ترتیب اولویت عملکرد روشهای برنامه ریزی بیان ژن، سامانه استنتاجی فازی -عصبی تطبیقی، روشهای دسته بندی تفریقی و افراز شبکه و در نهایت روش شبکه عصبی مصنوعی در هر دو نوع اقلیم دارای بهترین عملکرد میباشند. همچنین، مقادیر R و (ʽScm-۱) RMSE حاصل از روش برنامه ریزی بیان ژن در اقلیمهای Bwh و Bwk به ترتیب ۰/۹۷۳، ۲۵۷/۵۳۷ و ۰/۹۸۷، ۴۷۹/۴۸۰ به دست آمد.

Keywords:

اقلیم , کیفیت آب , مدلسازی , هوش مصنوعی.