مدلسازی پارامترهای کیفی آب زیرزمینی با استفاده از مدلهای شبکه عصبی مصنوعی و زمین آمار (مطالعه موردی: دشت زیدون)

زمینه و هدف: امروزه یکی از موانع توسعه و گسترش جوامع، کیفیت نامناسب آب می­باشد. بررسی کیفیت و روند تغییرات کیفی آب زیرزمینی در مدیریت پایدار منابع آب هر منطقه، اهمیت زیادی دارد. اندازه­گیری این پارامترها در یک سطح وسیع، هزینه­بر و زمان­بر بوده و برای مدل­سازی آن­ها، روش­های تخمین­گر مورد نیاز است. هدف از پژوهش حاضر مدل­سازی پارامترهای کیفی آب زیرزمینی  دشت زیدون با استفاده از مدل­های ANN+PSO و زمین آمار می باشد. روش بررسی: بدین منظور از اطلاعات ۴۲ حلقه چاه مشاهده­ای موجود در دشت زیدون به صورت ماهانه طی ۷ سال، استفاده شده است. ورودی­های مدل شبکه عصبی شامل پارامترهای کیفی SO۴۲- ، pH ، HCO۳۲-،  Na+، Mg۲+، Ca۲+، TDS، SAR و EC در نظر گرفته شد. یافته­ها: نتایج حاصل از شبیه­سازی پارامترهای کیفی آب زیرزمینی با استفاده از مدل ANN+PSO نشان داد، در مدل شبیه­ساز SAR بیشترین دقت شبیه­سازی مربوط به مدل با تابع لگاریتم سیگموئید، در مدل شبیه­ساز EC هم بیشترین دقت شبیه­سازی مربوط به مدل با تابع محرک تانژانت سیگموئید می­باشد. همچنین در مدل شبیه­ساز TDS هم بیشترین دقت شبیه­سازی مربوط به مدل با تابع محرک تانژانت سیگموئید به­دست آمد. به­طوری­که مقدار RMSE و MAE کمترین مقدار و شاخص R۲ بیشترین مقدار را دارد. همچنین نتایج حاصل از شبیه­سازی پارامترهای کیفی آب زیرزمینی با استفاده از مدل زمین آمار نشان داد، بالاترین دقت مدل کریجینگ در شبیه­سازی به­ترتیب مربوط به پارامترهای EC، SAR و TDS است. بحث و نتیجه گیری: در نهایت، مقایسه نتایح حاصل از مقایسه نتایج مدل ANN+PSO و مدل کریجینگ نشان داد که مدل ANN+PSO دقت بیشتری در شبیه­سازی پارامترهای کیفی آب زیرزمینی دشت زیدون نسبت به مدل کریجینگ دارد. همچنین نتایج این پژوهش نشان داد، تلفیق مدل­های هوشمند با الگوریتم­های بهینه­سازی با معماری صحیح و ورودی­های کامل مدل، به عنوان ابزاری مفید برای شبیه­سازی پارامترهای کیفی آب زیرزمینی کاربرد دارند.

Keywords:

آب زیرزمینی , پارامترهای کیفی , زمین آمار , شبیه سازی , مدل شبکه عصبی مصنوعی