مجتبی پورسعید - دانشکده تحصیلات تکمیلی عمران، واحد اراک، دانشگاه آزاد اسلامی
رضا مستوری - دانشکده تحصیلات تکمیلی عمران، واحد اراک، دانشگاه آزاد اسلامی،
سعید شعبانلو - استادیار گروه مهندسی آب، واحد کرمانشاه، دانشگاه آزاد اسلامی
محسن نجارچی - استادیار ، گروه مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد اراک، اراک، ایران

در این مطالعه، مقادیر شوری، هدایت الکتریکی، تراز آب زیرزمینی و کل جامدات محلول در محدوده مطالعاتی اراک توسط چهار مدل نوین هوش مصنوعی ماشین آموزش نیرومند، ویولت- ماشین آموزش نیرومند، ماشین آموزش نیرومند ترتیبی آنلاین و ویولت- ماشین آموزش نیرومند ترتیبی آنلاین و همچنین نرم افزار مادفلو (مدل MT۳D) شبیه­سازی شدند. لازم به ذکر است که برای توسعه مدل­های ترکیبی از تبدیل ویولت استفاده شد. در ابتدا، با استفاده از تابع خودهمبستگی و تابع خودهمبستگی جزئی، تاخیرهای موثر برای برآورد پارامترهای کیفی و کمی آب زیرزمینی شناسایی شدند. سپس با استفاده از این تاخیرها، چهار مدل مختلف برای هر یک از روش­های هوش مصنوعی توسعه داده شدند. در ادامه، با انجام تحلیل حساسیت، مدل­های برتر برای شبیه­سازی پارامترهای کیفی و کمی آب زیرزمینی شناسایی شدند. همچنین موثرترین تاخیرها برای تخمین این پارامترها معرفی گردیدند. علاوه بر این، نتایج مدل مادفلو با مدل­های هوش مصنوعی مقایسه شد که مدل­های هوش مصنوعی دارای دقت بالاتری بودند. به­عنوان مثال، مقادیر شاخص پراکندگی و ضریب نش برای کل جامدات محلول توسط مدل هوش مصنوعی برتر به­ترتیب برابر با ۳-E۳۴/۵ و ۹۹۱/۰ محاسبه شدند. همچنین، مقادیر RMSE و MAE برای تخمین تراز آب زیرزمینی توسط مدل برتر به­ترتیب مساوی با ۰۷۸/۰ و ۰۶۱/۰ بدست آمدند. در انتها تحلیل عدم قطعیت برای مدل­های برتر اجرا شد.

شوری, هدایت الکتریکی, تراز آب زیر زمینی, مادفلو, ماشین آموزش نیرومند